AI是2023年全球範圍内最具颠覆性的方向，引發A股市場資金追捧，更成為公募行業投研積極擴充的重要方向。
據中國基金報記者了解，目前多家公募機構積極運用AI技術，在資金交易、量化投研等多個業務領域探索落地場景，AI為投研能力賦能可謂進行時。
不僅如此，基金公司還大力招攬機器學習研究員和工程師，多舉措聚集優秀的AI人才，甚至有公司開出了百萬年薪來吸引人才。大量AI技術的應用和落地，未來或給市場和行業演繹出新精彩。
重金招攬AI人才
日前某量化私募“日薪4000元招實習生”的舉動成為近期市場熱門話題，從背後折射出量化、AI等技術越來越受到金融機構的重視。從今年看，基金公司正在大力招攬機器學習研究員和工程師。
記者注意到，在招聘網站上，多家基金公司重金求機器學習類人才，不少機構開價在百萬年薪級别。一條招聘貼顯示，某基金公司正在招聘機器學習開發工程師，給出90萬到112萬/年的薪資。
也有公司在實名招聘.。如創金合信基金就在尋找機器學習開發工程師。在工作職責方面，在該崗位任職需要負責機器學習、NLP、OCR、RPA等人工智能技術及算法的研究和應用開發，結合基金業務實際應用場景形成具有競争力的智能化應用解決方案，并實施落地;跟蹤人工智能最新研究成果和技術趨勢，适時引入相關技術驅動業務創新。同時，鵬華基金也在招兵買馬，實名招聘機器學習工程師。
另一家大型基金公司也在招聘機器學習/深度學習，開出25-50K·23薪的有競争力的薪資。還有基金公司給出60-90K·15薪的更高籌碼。
除了在招聘網站上招募人才，不少公司還有多元化的人才政策。
博時基金相關人士介紹，在招聘和儲備機器學習相關人才方面，首先與頂級大學和研究機建構立合作關系，通過實習、項目合作和校園招聘等方式吸引優秀的研究所學生和博士生，比如我們正在和北大CCF聯合舉辦量化比賽，尋求合适的人才。
“其次，博時基金在行業内也建立了良好的口碑，不斷吸引已經在機器學習領域有所建樹的專業人士。最後，公司還為員工提供持續的教育訓練和學習機會，成立了AI興趣小組、并定期展開研讨會，從内部挖掘具備學習能力和創新精神的員工。”上述人士表示。
AI技術賦能公募投研
在積極招兵買馬的背後，是看好AI技術能賦能公募基金投研業務。
上述博時基金人士介紹，在投研上，公司主要運用深度學習和樹模型分析市場行情資料和基本面因子名額，捕捉資産價格和交易行為中的複雜規律，輔助投研人員進行選股邏輯生成和選股信号挖掘。深度學習主要用做因子挖掘，機器學習算法主要用來滾動地捕捉資産預期收益與因子名額間的數量關系及變化規律。
在上述人士看來，機器學習在研究領域具有很多獨特優勢，首先，相較于人類研究員，機器學習算法可以處理大量、高次元的資料，這在處理複雜的金融資料時尤其重要。
其次，無監督的機器學習有時能夠揭示資料之間的複雜關系和隐藏規律，提供很多具有啟發的新視角和新觀點，能夠給研究員和基金經理更多啟發，最後機器學習也能夠替代一部分重複性的工作，比如資訊提取、風險監控、高頻交易等等。
事實上，通過機器學習技術的運用，部分基金公司已經獲得實際效益。長城基金總經理助理、量化與指數投資部總經理雷俊表示，過去更多用傳統基本面多因子架構，去年底公司應用了自行開發的基于深度神經網絡和機器學習架構的因子挖掘系統。
“從過去私募和其他同行的應用情況來看，對于小盤這一類産品，因子挖掘、深度學習架構展現出較強的競争力，這也在我們2021年開始跟蹤的内部模拟盤中得到了驗證。是以去年底開始把這套Alpha模型運用在偏小盤市值的産品中，在廣度領域，這套方法論的ICInformation Coefficient，資訊系數)因子收益預測能力更強，預測的穩定性也更高。我們将該方法應用在了長城中證500指數增強與長城量化小盤上，這兩個産品今年實盤跑得比較不錯。”雷俊進一步表示。
談及機器學習在研究領域的優勢，雷俊分析稱，“一是相較于傳統多因子模型的線性名額分析，深度學習模型可以處理一些非線性資料，比如文本，一段文字或者一個研報。二是截面跟時間序列的差別，時間序列在深度學習架構下有很多模型去做。三是最終形成的結果裡會有比較多非結構性的東西，而且它是一個系統，理論上可以做不同的‘供給’，可以擴充龐大的因子庫。”
此外，還有人士認為，整體而言，基金公司利用AI相關技術對研究的賦能，包括海量資訊的提純、加工；産業鍊上下遊各個環節的研究資料梳理與模型化；基于中文文本訓練而進行的産業、标的等的情緒分析等。通過AI技術可以極大釋放研究的潛力，提升研究的效率。未來随着AI技術的進一步落地，可能對整體投研帶來不少變化。
或将逐漸深度參與投研
越來越多的人工智能技術應用到投研環節，已成為不可抵擋的趨勢。
“傳統機器學習開發訓練門檻高，對訓練資料要求高，投研應用場景有限。随着以大模型為代表的新的人工智能技術的發展，相信人工智能技術将會在量化投資、資料分析、合規數字化等領域發揮更大的作用。”上述博時基金人士就表示，未來将會持續關注并跟進最新的人工智能技術，将其應用在投研和日常工作中。
據一家大型基金公司人士也表示，機器學習在金融投資中的應用，主要包括預測股票市場、風險控制、智能投資組合等方面。可以用于提高投資決策品質和有效管理金融投資，促進投資成功，以及使投資者能夠以更低的風險擷取更高的回報。
“金融資料的一個很重要的特點就是低信噪比。一方面因為噪聲過于繁多，會淹沒真正的有效資訊；另一方面，交易行為的存在使得金融市場的低信噪比這一特征長期持續。”上述人士表示，單一的學習器常常無法準确的捕捉市場的某些重要特征和有效信号，進而産生較大的偏差。而機器學習的主要目的在于發現規律或重制規律。算法的不斷改進或将提升機器學習在低信噪比資料上的表現。在全面注冊制時代，機器學習擁有更廣闊的應用前景，有利于提升投資效率，輔助投資決策。
談及具體對市場的影響，雷俊也有深入分析，他認為，從IC來看，目前深度學習适用的市場還是非常廣泛的，牛市、低迷的市場、震蕩市都能适用，但是會有一些差別。
“整體上看，IC的有效性在下降，市場的有效性在提升。從時間長期次元來看，越來越多人利用這項技術或者這個data參與市場。”雷俊表示，深度學習的有效性展現在多頭和空頭這兩個層面，空頭估計略微比多頭好一點點，在市場比較弱勢或者震蕩的時候，這一類産品在市場上的排名會更好。而在全市場強進攻的行情下，它可能跑不過賽道股，但有望能跑赢指數。
本文源自中國基金報