量化投资一般是从历史的市场数据中探索金融市场的规律，挖掘有效的选股因子并在整个市场中寻找有投资价值的指标。而在信息维度爆炸式增长的今天，人工智能的加入，让机器处理数据更高效、优化算法更智能成为可能。
(资料图片)
据了解，近几年，光大保德信基金量化投资团队分配了大量研究资源，自主开发具有公司特色的量化机器学习模型，并从去年底开始将研究成果应用于量化团队管理的各类产品中。今年以来，凭借量化模型，团队不断把握市场机遇，公司旗下多只量化投资策略产品均实现正收益。其中，截至6月30日，光大量化核心今年以来业绩增长7.04%，超越业绩比较基准7.66%；光大中证500指数增强近一年表现亦不俗，排名跻身同类前十。①
有关基金的投资策略，以光大中证500指数增强为例，基金招募说明书显示：“本基金根据国内资本市场的实际运行情况和大量历史数据的实证检验，结合基金管理人量化团队多年的研究与投资经验，充分挖掘并精选各种有效因子，构建多因子选股模型。以便择优精选出基本面优秀、成长性好、符合市场热点、主题投资或者行业轮动特点等具有良好预期收益的个股”。
光大保德信基金量化团队进一步表示：“传统量化投资在实践中面临着越来越多的困难，仅仅依靠研究人员处理分析有限的数据，已经很难从市场上获利。为了弥补传统量化投资的短板，将人工智能应用于量化投资便顺理成章成为量化研究的新趋势。因为人工智能可以更高效的处理数据并优化算法的持续发展，同时，机器学习通过非线性的方式挖掘因素与结果之间的潜在关系，高维度识别数据间的变化模式，能够更加敏锐地捕捉市场中非理性因素带来的投资机会”。
随着对人工智能研究的日趋深入，光大保德信基金量化团队已将人工智能三要素“数据、算法、算力”与量化投资策略深度融合。数据方面，除了传统量价数据和基本面数据之外，还将蕴含丰富日内信息的高频数据、刻画股票间相互关系的产业链数据、描述分析师预期和舆情信息的文本数据等另类数据都纳入到机器学习模型体系中，为模型提供丰富的原料。
算法方面，结合各类学术文献，光大保德信基金量化团队自主开发了以深度神经网络为基础的机器学习模型，将多种特征提取模块有机结合在一起，并运用多目标学习、动态加权等前沿机器学习方法，力争使模型具备稳健优秀的信息提取能力。算力方面，对硬件进行了投资，采购了先进的服务器和GPU芯片，对模型进行高效的计算。
模型训练过程中，团队将海量的历史数据输入模型，让模型对目标进行自我学习，力求机器获得类似人脑一般的判别行为。训练完成后，对模型输出结果进行有效性检验和历史回测，并将优秀的模型应用于投资并持续进行绩效跟踪，最后在实践的基础上对模型进行迭代优化，形成研究和投资的闭环。
据悉，光大保德信基金是国内最早组建量化投资平台的公募之一，早在2004年成功发行了第一只鲜明量化特征的公募产品——光大量化核心基金。经过19年的打磨，光大保德信已经打造出一只经验丰富、实力雄厚的量化投资团队，团队成员平均从业经验超过6年。当前投资团队已具备了构建复杂模型来捕捉市场中的交易机会的能力。AI的兴起给量化投资增加了一个新的维度，使量化模型能更多的纳入非线性的因素，增强了量化模型的选股能力。未来，团队将不断迭代优化模型，进一步提升公司量化产品的竞争力。
数据来源：①业绩及业绩比较基准来源于定期报告，截至2023.06.30，本公司旗下使用量化模型投资策略的产品分别为光大风格轮动、光大中证500指数增强、光大量化核心，上述产品今年以来业绩及业绩比较基准分别为6.98%/2.11%、5.86%/2.20%、7.04%/0.62%；其中光大量化核心和光大中证500指数增强的业绩比较基准分别为沪深300指数*90%+同业存款利率*10%、中证500指数收益率*95%+活期存款利率(税后)*5%；排名数据来源于银河证券，截至2023.07.31，近一年排名为9/134，同类指的是增强规模指数股票型基金。
风险提示：基金有风险，投资需谨慎。在进行投资前敬请投资者仔细阅读《基金合同》、招募说明书、《产品资料概要》等法律文件，光大风格轮动、光大中证500指数增强、光大量化核心的产品风险等级为R3（中风险），适合风险评级（C3平衡型）及以上的投资者敬请投资者关注产品的风险等级与自身风险评级进行独立决策。本材料不构成任何法律文件或是投资建议或推荐。上述基金的过往业绩、净值高低、获奖情况及相关行业排名并不预示其未来业绩表现，基金管理人管理的其他基金的业绩不构成对上述基金业绩表现的保证。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证上述基金一定盈利，也不保证最低收益。本基金由光大保德信基金发行与管理，代销机构不承担产品投资、兑付及风险管理责任。
(CIS)
