dquo;北京一家中小型基金公司内部人士表示。此外，也有量化团队主要用AI模型寻找传统多因子量化模型难以找到的特殊因子。数据成决定差异化的关键在AI量化投资中，数据成为决定差异化的关键。“大家的AI量化模型策略算法都差不太多，无非是学习和应用水平上的差异，核心在于数据的质量。”上述银行系公募量化投资负责人表示，非结构化数据处理能力是关键，即给模型提供更高信息密度的数据，尤其是非结构化的舆情和情绪类的数据。“例如，公司内部研究员调研纪要、专家路演中的口语化描述，甚至上市公司突发舆情，如高管变动、供应链风险等，通过自然语言处理(NLP)技术转化为结构化信号，这才是人脑难以快速处理的信息‘富矿’。”在这位负责人看来，投资效率提升的核心是把非结构化信息流水线化。上述中型公募部门总经理表示，公司内部数据平台的核心升级是整合内部非结构化数据。“我们建立的数据平台已整合内部非结构化资产，包括研究员笔记、电话会议录音、未公开的行业专家观点、产业链群聊记录、跨市场舆情关联等，大模型的核心任务是将这些碎片化的情报转化为可量化的因子。”业内人士表示，给机器学习模型提供有意义的数据，往往需要专业团队带有经验性的判断。基于对市场的理解，选择对未来走势有价值的特征数据供模型学习，而不是将所有数据都输入模型，这是形成差异化的关键。虽然量化投资跟随技术发展不断“升级打怪”，但依然面临诸多挑战。例如，客户忠诚度不高，只关注业绩曲线，不像价值投资有信仰加持的可能性，一旦业绩出现波动，产品规模可能快速缩水。因此，量化投资必须想方设法争取更多超额收益。“如果说主观投资的优势是认知，那么，量化的优势就是广度和纪律性。”上述业内人士称，“AI量化能够覆盖全市场5000多只股票，不受情绪影响，严格遵守投资纪律，这正是其在市场竞争中的核心优势。”




=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页