AI驱动策略可能成为“中国客户的重点候选”。这与他们在亚洲路演中观察到的趋势一致：区域内机构正在加速了解不同类型的AI量化方案，并将其纳入未来二至三年的资产配置考量。   至于AI模型能否适应中国市场环境，雷德玮说，团队用AI识别的“信号关系”在各国具有普遍性，团队在开发新兴市场版本时的回测亦显示这些关系可迁移至包括中国在内的新兴市场。换言之，机制通用性与本地化训练相结合，是该策略进入中国的基础。   谈到市场差异时，雷德玮表示，从已经开展的研究与开发来看，新兴市场的潜在超额收益似乎高于发达市场，但是在新兴市场的交易成本也更高，所以总体来讲，两个市场相对于基准的超额收益大致相近。   “海外投资者普遍的观念是，相较于发达市场，新兴市场往往不那么由基本面驱动，在某些情况下更容易受到情绪驱动。不过，我们在训练模型和测试时发现，在新兴市场同时纳入全部信号——不仅仅是情绪和价格信号，还包括基本面信号——得到的结果更好，说明在新兴市场中加入基本面信号能提升模型表现。”雷德玮说。   “当然，即便用同一套信号分别训练发达市场与新兴市场模型，模型识别到的信号关系也不会完全相同。一部分是跨区域通用关系，另一部分是各自市场的特有关系；各地区信号的重要性也会不同。”雷德玮表示，“好在这些差异可由机器学习自动捕捉，无需我们人为设定。”   借助机器学习识别复杂关系   回答文章开头的问题，AI量化模型能够就“分析师上调股票评级是否真的会推动股价上涨”进行研究，这是一个非常具有代表性的AI应用场景。   雷德玮告诉中国证券报记者，传统量化会先验证“分析师上调或下调股票评级”与其后股价表现的历史关系，通常做法是买入上调、卖出下调。但如果借助机器学习，把“分析师评级信号”与其他协同信号一起建模，命中率还能进一步提升。一个最直观的协同信号就是日历信息：这只股票距离财报发布是否在5天之内？如果临近财报（在5天之内，模型会“忽略”评级上调；若距离财报较远（超过5天，则会“跟随”评级上调。   “类似这样，从我们使用的约400个特征或信号中，AI能学习到成千上万种数据间的条件关系，对信号进行条件化筛选，从而使组合后的预测力显著强于单独使用某一个信号。”雷德玮表示。   据介绍，与传统量化常用约20个公司层面信号不同，瑞士百达资管的AI量化策略关注约400个高频信号，再交由机器学习去挖掘这些信号之间的非
=*=*=*=*=*=
当前为第2/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页