AI量化投资的发展与优势 - AI通过算力提升和开源工具普及推动量化投资进入2.0时代 [1] - AI量化可识别数百个高频信号并挖掘数据中的非线性关系，而传统量化仅局限于价值、动量等少量因子 [1] - AI量化模型能够研究“分析师上调股票评级是否真的会推动股价上涨”等具体问题，通过结合“分析师评级信号”与日历信息等协同信号，可进一步提升预测命中率 [4] 瑞士百达资管的AI量化策略特点 - 策略关注约400个由研究员人工构建的高频信号，而非传统量化常用的约20个公司层面信号 [5] - 模型训练既关注财报等基本面信息，也关注股价、分析师报告、投资者仓位等数据，并在组合构建上保持对传统风格因子的中性暴露 [5] - 策略持有期设定约为20天，区别于同业偏向1至5天的超短持仓周期 [5] - 策略强调使用更传统的数据进行训练以覆盖更长历史周期，并采用因子中性方法 [5] AI量化策略的全球拓展与中国计划 - 公司量化股票及解决方案投资团队管理规模为250亿美元 [2] - AI量化策略产品已在发达市场验证，正系统性地拓展至新兴市场，计划明年落地新兴市场版本并纳入A股标的 [2] - 目前全球资本对中国的兴趣正在回升，公司通过QDLP面向境内投资者的额度已基本用尽，一旦获得更多配额，AI驱动策略可能成为中国客户的重点候选 [2] - 在中国相关资产上，策略已少量参与港股，A股将成为新兴市场版本落地后的下一步重要资产 [2] AI模型的适应性与风险管理 - AI识别的“信号关系”在各国具有普遍性，回测显示这些关系可迁移至包括中国在内的新兴市场 [3] - 新兴市场的潜在超额收益似乎高于发达市场，但交易成本也更高，因此两个市场相对于基准的超额收益大致相近 [3] - 在新兴市场同时纳入全部信号（包括基本面信号）能得到更好结果，说明加入基本面信号能提升模型表现 [3] - 通过输入具有经济学依据的信号、采用成千上万个简单模型进行集成训练、以及使用15年数据并采用交叉验证的方法来规避过度拟合风险 [6] AI对基金经理角色的影响 - 在AI辅助下，基金经理的职能转变为设计因子、训练模型、检验模型和执行策略，而不再亲自搭建模型 [6][7] - 公司配置的基金经理人数在传统量化策略和AI量化策略下相同，只是职能发生变化 [7]