4月16日，在2026彭博私募投资策略闭门会“把握变局——宏观、权益、跨境衍生品与量化策略新探索”上，百亿量化私募灵均投资就宏观市场判断、量化策略挑战及AI在量化投资中的应用前景等话题，分享了当前量化机构应对市场变局的实践路径。  “现阶段，国内量化行业已深耕机器学习、深度学习十余年，显著提升了多因子模型预测效率与能力，与此同时，AI正在降低另类数据处理成本、提升数据质量，弥补量化在基本面与非结构化数据上的不足。未来，若AI在多模态数据处理、非结构化商业信息理解上实现突破，量化将打通价格数据与上市公司真实经营、实体经济脉搏的连接，行业研究深度将实现系统性跃升。”灵均投资组合投资经理詹思云会后向《华夏时报》记者表示。  宏观波动加剧  今年以来，宏观环境变化对各类资产的影响持续加深。“量化投资本质是用数学与统计工具对接市场波动，其核心能力之一是在复杂环境中剥离噪音、捕捉有效信号。机构一般通过搭建系统化假设检验框架，依托大数定律反复验证，叠加历史回测与仿真模拟扩充样本，形成从数据去噪、信号建模到执行风控的全链路降噪体系。”灵均投资在会上表示。  据灵均投资介绍，当前市场面临的最大挑战在于历史数据参考性下降——市场结构、参与者构成、流动性状况、行业规模及风格切换速度均在快速变化，尾部行情样本稀缺，易导致模型低估尾部风险。对此，灵均投资以超过10万个信号、上千个子模型实现极致分散化配置，搭配严苛的尾部风险控制框架，将下行风险约束在模型预期范围内。在因子构建方面，灵均投资强调价量因子与基本面因子可实现互补融合，两者结合有助于提升组合收益、优化夏普比率、控制回撤。  有业内人士指出，价量因子反应快、覆盖广，能够及时捕捉短期定价偏差；基本面因子则提供长期的估值锚点，帮助模型在极端行情中保持稳定性。   AI赋能量化  关于AI在量化领域的应用现状及未来趋势，国内量化行业已深耕机器学习、深度学习十余年，显著提升了多因子模型的预测效率与能力。但当前生成式AI更多扮演的是“投研超级助理”角色——在代码生成、逻辑梳理、文本处理、行情数据自动化分析等环节提升工作效率，尚未直接颠覆核心预测逻辑。据悉，目前，因子挖掘的主力仍然是树模型、时序Transformer、图神经网络等监督学习模型。  与此同时，AI正在降低另类数据的处理成本、提升数据质量，有助
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页