21世紀經濟報道記者 黎雨辰
當全球宏觀波動加劇，「歷史數據參考性下降」正成為量化投資人普遍面臨的挑戰。市場結構、參與者、流動性、行業規模及風格切換速度的快速變化，以及尾部行情樣本的稀缺，均易導致量化模型低估尾部風險。
換而言之，在不確定性中尋找「確定性」，對量化模型而言也並非易事。如何進一步錘鍊模型在複雜環境中精準剝離噪音、捕捉有效信號的能力，已成為不少量化私募的重要課題。
4月16日，由彭博（Bloomberg）舉辦的「把握變局——宏觀、權益、跨境衍生品與量化策略新探索」私募論壇在京舉行。
會上，靈均投資組合投資經理、量化基金經理詹思雲，圍繞宏觀環境判斷、AI與大模型應用及行業競爭格局等議題，分享了量化私募機構在不確定性市場中尋找確定性的實踐路徑，並展望了AI驅動下行業發展的新方向。
「宏觀越複雜、市場越無序，量化越要堅守數學邏輯與投資紀律，以系統化應對不確定性。」談及今年以來宏觀環境變化對資產的影響，詹思雲表示。
形成從數據去噪、信號建模到執行風控的全鏈路降噪體系，是量化機構的核心「看家本領」。據介紹，目前靈均投資通過搭建系統化假設檢驗框架，依託大數定律反覆驗證，疊加歷史回測與仿真模擬擴充樣本構築這一體系。
同時，靈均投資以超10萬個信號、上千個子模型實現極致分散，搭配嚴苛尾部風控框架，將下行風險約束在模型預期範圍內。公司還強調價量因子與基本面因子可互補融合，助力組合提升收益、優化夏普比率、控制回撤，力爭成為資產組合的穩定「壓艙石」。
此外，關於AI在量化領域的應用現狀及未來趨勢，詹思雲還從當前實踐與長期展望兩方面進行了解讀。
據了解，現階段國內量化行業已深耕機器學習、深度學習十餘年，顯著提升多因子模型預測效率與能力；生成式AI當前更多扮演「投研超級助理」的角色，在代碼生成、邏輯梳理、文本處理、行情數據自動化分析等環節提升生產力，尚未直接顛覆核心預測邏輯，因子挖掘仍以樹模型、時序Transformer、圖神經網絡等監督學習模型為主力。
與此同時，AI正在降低另類數據處理成本、提升數據質量，彌補量化在基本面與非結構化數據上的不足。未來五到十年，若AI在多模態數據處理、非結構化商業信息理解上實現突破，量化將打通價格數據與上市公司真實經營情況、實體經濟脈搏的連接，行業研究深度將實現系統性躍升。
對於行業競爭格局， 詹思雲認為，AI不會改變對Alpha確定性的追求，而是重構競爭維度：未來能將大模型深度融入「數據處理—模型研發—實盤交易—風控迭代」全閉環的機構，將佔據競爭優勢，開啟量化投資新範式。
更多內容請下載21財經APP
