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]

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]

公司业务与规模 - 瑞士百达资管为瑞士百达集团旗下机构，集团拥有220年历史，截至2025年6月30日资产管理规模达7110亿瑞士法郎 [2] - 量化投资主管雷德玮领导的团队管理规模为250亿美元，其AI量化策略产品已在发达市场验证并计划向新兴市场扩展 [2] AI量化策略的核心优势 - AI量化利用算力提升和开源工具普及，可识别数百个高频信号并挖掘数据中的非线性关系，推动量化投资进入2.0时代 [1] - 传统量化常用约20个公司层面信号，而该策略关注约400个由研究员人工构建的高频信号，AI模型学习信号间的条件关系使预测力显著增强 [5] - AI模型能够进行条件化筛选，例如结合“分析师评级信号”与“日历信息”等协同信号建模，进一步提升预测命中率 [4] 全球市场拓展与中国计划 - 全球资本对中国的兴趣正在回升，公司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 [2] - 公司目前通过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产品 [2] - 公司AI量化策略投资范围目前以MSCI World指数为跟踪标的，主要覆盖发达市场股票；团队已推进新兴市场版本，预计明年有望将部分A股纳入投资范围 [2] AI量化策略的差异化特点 - 策略专注约20天持有期，与同业偏向1至5天的超短持仓周期形成差异 [5] - 策略强调因子中性，在动量、价值、成长、规模等风格上保持均衡和独立，不对单一风格做过多暴露 [5] - 策略使用更传统的数据训练模型以覆盖更长历史周期，避免过度依赖历史较短的另类数据 [5] AI模型的风险控制与适应性 - 通过三个方法规避过度拟合风险：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、使用15年数据并采用交叉验证方法 [6] - 团队研究发现，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] - 在新兴市场同时纳入全部信号（包括情绪、价格和基本面信号）能得到更好结果，说明加入基本面信号能提升模型表现 [3] AI对基金经理角色的影响 - 在AI辅助下，基金经理职能转变为设计因子、训练AI模型、检验模型和执行策略，而不再手动搭建模型 [6] - 公司配置的基金经理人数在传统量化与AI量化策略下保持一致，但工作职能发生一定变化 [6]