AI量化投资发展 - AI通过算力提升和开源工具普及，正推动量化投资进入2.0时代 [1] - 传统量化局限于价值、动量等少量因子，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 [1] - AI量化策略关注约400个由研究员人工构建的高频信号，远超传统量化常用的约20个公司层面信号 [7] 公司AI量化策略特点 - 策略持有期设定约为20天，区别于市场上许多偏向1至5天超短持仓周期的同业 [7][8] - 使用更传统的数据训练模型以覆盖更长历史周期，强调对价值、动量等传统风格因子保持中性暴露 [7][8] - 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集成训练、以及使用15年数据进行交叉验证三种方法来规避过度拟合风险 [8] AI模型能力与应用 - 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，使组合预测力显著强于单独使用某一信号 [6] - 以“分析师上调股票评级”为例，AI通过结合日历信息（如距离财报发布天数）等协同信号建模，能进一步提升命中率 [6] - 模型识别出的信号关系中，人类仅能对约10%给出清晰解释，绝大多数复杂关系需借助机器学习识别 [7] 全球布局与中国市场计划 - 公司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，A股在计划版图之中 [1][4] - 覆盖新兴市场股票的AI量化策略预计明年落地，届时将纳入A股标的；若新增QDLP额度获批，将考虑推出面向中国投资者的产品 [1][5] - 目前全球资本对中国的兴趣正在回升，团队回测显示其AI识别的信号关系可迁移至包括中国在内的新兴市场 [4][5] 市场差异与模型适应性 - 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，导致两个市场相对于基准的超额收益大致相近 [5] - 在新兴市场同时纳入情绪、价格和基本面全部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 [5] - 同一套信号在不同市场训练，模型识别到的信号关系不会完全相同，部分为跨区域通用关系，部分为市场特有关系，这些差异可由机器学习自动捕捉 [6] 基金经理角色演变 - 在AI辅助下，基金经理职能从研究因子、搭建模型转变为设计因子、训练模型、检验模型和执行策略 [8] - 公司配置的基金经理人数在传统量化策略和AI量化策略中相同，但职能发生变化 [8]