前面發文，說我最近在“深入”研究AI，深入到什么程度呢？身體日漸消瘦，一日不如一日。所以，大家在和AI交流時，要注意保護好自己。

不過，當前各種AI模型采用的機器學習思路，本質上只是一種“限定條件下選出的最優解”，而非創造一個全新解。以咨詢如何買基金為例，如果你直接說“給我推薦一只基金”，得到的答復大概率是“我不能給出具體的投資建議”……就算你強制要求它給出一個結論，得到的也只會是一大段廢話，比如它會告訴你先評估自己的風險承受能力、資金占用期限、預期收益回報等等等等，但最終也不會給出一個答復。

我試驗下來，最接近讓給出結論的方法，就是真的通過10-15個問題去框定一些前提（比如上文提到的風險承受能力等等），然后它就會給到你一個選基范圍（比如主動權益基、被動指數債基等等），并且告訴你更應該關注這些基金的哪些指標（比如夏普比率、年化收益率等等），最終你就可以愉快地去“執行”了（最終還是不會給出具體答案，不過我個人認為是因為它的數據庫不是實時更新的，所以給不出這種時效性很強的答案）。從這點來說，其實用做基金投顧服務還挺好的……

我不知道大家在和AI的交流中是什么感覺，反正我個人認為，AI模型都是有一個“基礎準則”的，類似數學中不能被證明但一定正確的“公理”。所以，落到同樣運用機器學習方法的量化交易上，就有兩個特征非常明顯：

①量化交易一定要有一個明確的業績基準，只是籠統地“希望選出最好的股票”，這種訴求量化交易是完不成的；

②量化交易極度理性，更適合在股市這種“混沌”系統中做出最優選擇。

一、量化交易有哪些派別？

國內的公募量化交易團隊我前面也寫過幾家，個人認為大體可以分為兩類，一類是多因子模型派，一類是機器學習派。

所謂多因子模型，就是脫胎于2015年左右流行的多指標綜合選股，彼時許多知名看盤軟件都推出了類似功能。投資者可以根據需要勾選需要的指標，軟件會據此篩選出同時符合所有要求的股票。當然，這一派雖然算是量化交易的雛形，但非常依賴個人主觀判斷，所以還是要看市場配不配合。比如2023年開年至今，市場整體呈現價值風格，如果你是用ROE、小市值等更偏成長風格的指標來篩選股票，最終收益率大概率不太令人滿意。

而機器學習，至少在當下代表了量化投資的發展方向，因為其并非像多因子模型一樣將指標做主觀疊加、線性外推，而是利用各種非線性算法在每一個時間“微分”上取得正收益，并最終通過一個個正收益的“積分”獲得長期超額回報。

國金基金的量化交易團隊，就是國內非線性機器學習量化交易派的代表之一。

二、如何構建量化交易模型？

在國金基金姚加紅總、馬芳總的路演中，可以得知，國金基金的量化交易模型構建主要分為三步：建立特征庫、構建多策略模型、輸出投資組合。

所謂特征庫，就是最基礎的因子庫，目前國金基金一共存儲了約800個基礎因子（變量），基本面和技術面數據大概各占一半。因為因子是中性的，所以國金基金不會對這個庫進行定期剔除。除一些基礎的F10因子外，國金基金主要依靠和賣方研究員交流來新增因子。至于這些因子在當前市場是否有效，則需要在下一步的模型構建里進行判斷。

模型構建又可分為兩小步，其中第一小步相對簡單，就是把上文提到的800個基礎因子排列組合成“選股”子模型。當然chatgpt量化交易，簡單只是相對而言，畢竟800個基礎因子隨機排列組合，得出的結果肯定會撐爆國金基金的服務器……所以，國金基金主要依靠對股市歷史數據進行波動性分解，分離出每一階段股市上漲個股的綜合特征，進而倒推出約100個相關性較低的獨立子模型，并嘗試用800個基礎因子去描述它們。

模型構建的第二小步就是量化交易的核心——如何確定模型有效性，并將其挑選出來納入交易體系？很簡單，直接套用最近兩年的股市歷史數據，計算子模型勝率和賠率，階段性表現穩定且排名較高的子模型，就會被納入最終的交易體系。這里需要說明的是，在給子模型“喂數據”進行訓練時，國金基金會剔除掉最近兩年的歷史數據，這部分數據僅用于驗證子模型的近期表現。

目前國金基金會將子模型分為時間類和標的類兩種，其中時間類主要標記子模型在不同時間跨度上的有效性，比如小時級、交易日級、季度級等；而標的類則主要標記子模型的風格、行業、熱點和個股特征。一般一個子模型的階段夏普比例高于3，就會被納入最終交易體系。平均下來，每個子模型的有效期大約是半年到三個季度，所以國金基金會動態調整子模型的納入情況，以保證在當下市場環境中，獲取更高的超額收益。

有了以上幾個步驟，最終的投資組合輸出就梳理成章了：國金基金會將被納入最終交易體系的子模型等權疊加chatgpt量化交易，最終得到具體投資標的和它們的權重占比。目前，國金基金量化交易團隊的股票池有600-1000只，最終投資組合單票權重不超過1%。

有一說一，調研了這么多家公募量化投資團隊，國金基金姚加紅總的團隊是我遇到過的，對投資思路拆解最詳細的一家。

三、歷史業績

又進入到了我個人認為最無聊的歷史業績介紹環節，還是那句話，如果歷史業績差，我怎么會寫，對吧？

當然，在介紹國金基金量化交易團隊管理的各只基金歷史業績前，我先梳理下這些基金的對標指數和交易策略是怎樣的。

由于國金基金管理的兩只傳統指數增強基金成立時間均不到1年，所以我們就不浪費時間分析了，下面直接取國金量化多因子股票和國金量化多策略兩只基金，分析其歷史業績。

可以看出，在市場普跌時（比如2022年2-4月、2022年9-10月），國金量化多因子股票也無法避免下跌（但跌幅會小于指數）；而只要市場有結構性行情，國金量化多因子股票總能踩準上漲方向。比如2021年11月-2022年1月、2023年5月，市場走價值風格，國金量化多因子股票階段上漲，2022年5-8月，市場走成長風格，國金量化多因子股票依然階段上漲。

國金量化多策略除了與國金量化多因子股票一樣，總能踩準階段性行情主線外，另有一個明顯特征，即其在2020年跑輸滬深300，這是為何？

姚加紅總在路演中提到chatgpt量化交易，國金基金量化交易團隊原本只管理專戶產品，這幾只公募產品是從2020年6月才開始接手。而在接手初期，國金基金量化交易團隊只是簡單將專戶產品的量化交易模型做了“降頻”處理，所以導致這幾只公募產品的超額不明顯，或者跑輸對標指數。從2021年開始，國金基金量化交易團隊開始為公募產品開發專門的量化交易模型，所以后續超額收益就比較穩定且優秀了。

由于滬深300和中證500指數這兩年的走勢都挺拉的，所以我將國金量化多策略和國金量化多因子股票的業績與偏股混合型基金指數分別做了對比，發現它們倆是真的強！相對指數超額分別達到了近40和60個百分點！

四、量化交易的局限性

2023年以前，私募量化跑超額主要依靠三板斧：T+0交易、打新和押注超預期因子。

T+0交易公募做不了，pass。超預期因子因為這幾年量化交易賽道特別卷（國內規模從幾千億猛增至破萬億），基本把自己的超額給卷沒了，所以暫時也不考慮。至于打新，現在新股破發已經很常見，打新不能再被當作一個穩賺不賠的業績增厚手段，所以也不納入重點考慮范圍。綜上，國金基金的總體思路就是均衡，即不在任何一種風格、一個行業、一類因子上做過多暴露。當然，這其實也是國金基金未來超額業績可能不理想的最大隱患——一旦市場走極致行情，他們就會階段性跑輸押注成功的那批公募基金產品。

當然，福禍相依，一次押對不代表次次都能押對，每位投資者也都有自己的投資風格，關鍵看哪類基金、哪種策略更滿足自己要求。

#A股##基金#

免責聲明：本文系轉載，版權歸原作者所有；旨在傳遞信息，不代表本站的觀點和立場和對其真實性負責。如需轉載，請聯系原作者。如果來源標注有誤或侵犯了您的合法權益或者其他問題不想在本站發布，來信即刪。