索全新团队范式，在现有按标的划分团队的基础上，积极培育覆盖多市场、多资产的全能型团队。李骧则将AI与量化的融合划分为三个阶段：模型替换阶段（2015—2020年）、全链路提效阶段（2021—2025年）、范式重构阶段（2026年至今），范式重构阶段由AI自主完成因子组合的动态迭代。值得注意的是，AI提效并未缩减人员需求，反而催生了大量“金融+算法”复合型岗位，行业人才缺口持续扩大。邹倚天谈到了人机协同的边界，他认为，2026年一季度大模型在特征自动提取和动态风险对冲上实现了质变，但AI无法理解宏观政策、资金情绪等非量化软信息，容易产生脱离市场逻辑的无效因子。研究员负责把控方向、校验逻辑，AI负责批量执行与迭代，二者协同才是最优模式，完全AI自主投研短期内难以落地。王恒鹏强调了人才在AI领域的重要价值，介绍了聚宽投资在吸引AI人才方面的实践。聚宽投资近年来积极参与AI领域的国际重要学术会议，致力于提升公司在全球AI人才和学术社区中的影响力与吸引力。他还介绍了聚宽投资在AI全域赋能方面的探索。在聚宽投资，AI不仅覆盖了投研场景，还在产品运营、客户服务、内控管理等环节持续进行赋能应用实践。马太效应加剧，两类风险需警惕嘉宾们一致预判，未来三到五年，A股浅层市场的无效性将基本出清，行业超额中枢持续下行，头部集中度进一步提升，中小机构突围难度显著加大。马志宇指出了行业面临的两大核心风险：一是策略同质化引发的负面影响，二是单一容量见顶带来的增长瓶颈。应对方式：一方面持续拓展多元、分散的阿尔法来源，构建差异化收益能力；另一方面依托完善的风险管控模型平抑波动，在长期业绩扎实的基础上，强化超额收益的稳定性与可预期性。李骧表示，AI已抹平了浅层技术差距，以往中小机构依靠单点模型突围的路径彻底失效。头部机构每年数十亿级的算力和人才投入形成天然壁垒，中小机构很难追赶迭代速度。量化本质上是科技驱动型行业，技术迭代滞后可能会被市场淘汰。邹倚天提出了两大长期布局方向：一是紧跟全球AI迭代节奏，保持算力动态扩容；二是逐步推进全球化和多资产布局，摆脱A股容量约束，对标海外量化巨头拓展亚太、欧美市场。排版：王璐璐校对：盘达
=*=*=*=*=*=
当前为第3/3页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页