2017年12月13日 ?來源：證券日報
? ? ? ? 12月7日，在2017世界智能制造大會。智領全球博覽會上，最吸引眼球的莫過于一個個炫酷的機器人。它從一個側面反映國內人工智能的技術研發和產業集聚進入發展快車道。陪護機器人、跳舞機器人、繡花機器人、演奏機器人、調酒機器人、配藥機器人……人工智能越來越“能”。其實在量化投資領域，人工智能同樣大顯身手，正一步步解決傳統因子失效的痛點。
? ? 國金基金量化投資總監林健武近日在接受《證券日報》基金新聞部記者采訪時揭開了量化投資“黑匣子”的秘密，在他看來，簡單的使用少量因子的線性模型已經無法適應當前的市場環境，唯有使用人工智能機器學習和元知識學習模型，不斷通過大數據分析的方法發掘新的選股因子以及因子與股票收益間的非線性關系，才能提高模型的預測能力。
牽手人工智能是最好出路
《證券日報》基金新聞部據最新統計，148只主動偏股量化基金(A、B、C類分開統計)年內平均回報率為7.68%，跑輸主動偏股基金8.81%的平均回報率，甚至有36只占比24.32%的量化基金虧損。
量化基金怎么了？除了市場因素，這類基金自身又暴露了哪些問題？
“量化基金多數是按照對歷史的數據進行統計總結、建立數學模型。前幾年，市值因子和與市值相關度高的因子表現一直很好，所以這類因子往往會被賦予很高的權重，特別是因子不動態更新的策略。”林健武對《證券日報》基金新聞部記者表示，“隨著中國量化多因子模型的發展，因子從單一發展到多元，從線性關系發展為非線性關系。簡單的使用少量因子的線性模型已經無法適應這種市場環境，所以才出現了很多業績低迷的情況。”
在林健武看來，量化基金若擺脫業績困境，需要借助人工智能的力量。據他介紹，國金基金在建立量化多策略模型時，使用了基于人工智能的學習算法，將從多個緯度對因子進行動態評估和挑選。這樣可以避免多數量化基金遇到的因子失效的問題。同時，國金基金借鑒歐美近百年的經驗，將短期收益高但長期會逆轉的選股因子作為風險因子排除，這樣可以避免由于中國量化投資歷史短帶來的數據不足問題。
? ? ? ?“國金基金的量化多策略模型使用人工智能機器學習和元知識學習模型，不斷通過大數據分析的方法發掘新的選股因子，以及通過因子與股票收益間的非線性關系，以期提高模型的預測能力。”林健武表示，“為了實現對海量因子的處理和篩選，我們在系統準備和數據收集方面做了大量前期工作。目前系統已經能夠支撐大數據分析方法挖掘新的選股因子，加快了研發速度，也提高了策略開發的有效性。”
人工智能有效預測失效因子
獲取收益和控制風險是量化基金的兩大核心，管理資產的本質是管理風險，評價一只量化基金的優劣不能僅看業績回報，更多的要看其對風險的控制能力。遺憾的是，市場上多數量化基金對風險估計有一定的滯后性。
? ? ? ?“長期以來量化投資的風險控制一般停留在頭寸限制的風險預防，和通過歷史波動性進行風險估計上。這些風險控制手段有著它們的局限性，頭寸限制在控制風險的同時也降低了收益，同時歷史波動性進行風險估計有一定的滯后性。”林健武說道。
據了解，國金基金的量化體系有著嚴格而先進的風控體系。首先從產品運作層面的風控體系來說，量化策略的上線要經過嚴格的評審會審核，審核通過方可進入策略池。運行中的策略時刻接受事前、事中和事后的全鏈條風險管理。除了產品層面的風控，國金基金的量化多策略模型本身也踐行了很多行之有效的風險預測，最重要的則是使用先進的基于市場狀態的人工智能模型，很好的對中國市場的風險變遷進行預測。同時，策略建立了基于策略生命周期的人工智能模型，對選股因子的失效帶來的風險也進行有效的預測。
據記者了解，國金基金的量化多策略模型使用近1400個因子，涉及各種不同的相關度低的因子類型，同時因子之間的非線性疊加可以增厚，而不是簡單平均收益，實現收益的多元化和增強性。
“隨著越來越多海外人才的回歸和中國市場的逐步對外開放(滬港通、深港通、MSCI入市、QFII額度提高)，國內的量化投資的形態日益和國際接軌，基金公司可引進最先進的華爾街的量化投資平臺、完善的量化投資風控體系和有效的管理激勵機制，從而更好適應新的市場環境變化。”林健武最后說道。
(原標題：國金基金量化投資總監林健武：人工智能能解決因子失效的痛點)
聲明：基金有風險，投資需謹慎。本篇文章轉載自其他媒體，其中所載的數據、觀點及資料僅供參考，不代表國金基金觀點，不構成任何投資建議。如需轉載，請注明最初發布媒體。