“投資就是要做有價值的事情。” 泓德基金量化團隊負責人蘇昌景堅持著如此的價值觀，也堅持用量化去篩選時代的賽道，用量化擁抱時代的紅利。

與量化投資相遇相守數載，在技術浪潮的推動下，蘇昌景見證了量化投資的蛻變，也積累著對量化投資的認知，更將這些理念與時俱進地應用于實踐中。

(資料圖)

強者與弱者思維

對于量化投資的理念，在蘇昌景看來，量化投資就是要圍繞股票價格波動的驅動因素展開研究與分析。具體來看，驅動因素拆解為三：一是超長基本面因子，即公司商業模式、治理水平、管理層能力等因素；二是高頻基本面因子，即未來短期內行業的預期業績增速或表現；三是短期量價因子，即交易過程中所體現出來量價相關的統計規律。

蘇昌景認為，相較于主動投資，量化投資在超長基本面因子上優勢并不明顯。“越重視這方面因子，越是一種‘強者思維’，即投資足夠優秀的企業。”蘇昌景解釋道，與主動投資相比，量化投資對企業的深度研究上具有天然弱點，因此量化投資更應該思考自身并發揚自身的優勢所在，而量化投資朝著高頻量價的轉變也恰好提供了這一契機。

“高頻量價更強調科技能力。越高頻便越不依賴對公司的深度認知。”蘇昌景認為，這更像是“弱者思維”。“雖然買了很多股票，每個公司賺的錢也比較少。但因為持有的公司眾多，交易頻繁，周轉很快，因此可以獲取豐厚收益。”蘇昌景表示，量化投資的優勢正在于用高頻提升勝率。因此，量化投資需要考慮自身的投資體系以及策略表現的中短期市場適應性。“高頻意味著周轉。只有貼近市場風格，才能展開交易去賺錢。”

AI智能與人類智慧

如何挖掘高頻層面的因子，是量化實踐中的核心問題。

在蘇昌景看來，技術的發展讓量化因子挖掘各有所異。一部分因子源于人的認知，例如股票的交易熱度、漲幅與成交數、股票收益率的日內分布等；另一部分因子則源于神經網絡、機器學習等技術挖掘，這些因子往往是非線性，超越了人力理解的范疇。

如何用因子構建有效的量化策略，則是量化實踐中的關鍵問題。

蘇昌景介紹，在挖掘出因子后，無論是否有效率，都會將其放置于因子庫中。“投資的本質是評判標的的預期收益率和風險。量化投資正是運用模型來進行預測，只是在具體操作中，不同頻度的預測所運用的有效的因子會有所不同。”蘇昌景表示，構建充分的因子庫，不僅能便于進行不同維度的量化模型構建，而且能幫助模型更加體系化和完善化。

“AI未來是否會接管量化？”

科技在量化投資中的地位日趨重要，AI技術也同樣引發著行業的思索。對此，蘇昌景堅信，人在量化投資中的作用將無可替代。“一方面，目前的大模型解決的是通用性問題，在專業問題上未必有效；另一方面，一個優秀的數據模型離不開設計者對數據、算法技術的深入理解。只有人深度參與，才能產生有效的模型。”

專業人才與團隊協作

早期量化投資最為強調兩方面的底層能力：一是數據分析能力；二是軟件工程能力。

隨著量化投資逐漸由低頻基本面投資轉向高頻量價交易，對人才的需求也在悄然發生改變。蘇昌景介紹，“由于日漸高頻，因此研究更多是數據流和價格波動的規律性內容。因此目前量化人才的長板，更來自于如人工智能、機器學習等科技領域。”

作為泓德基金量化團隊負責人的他，也在致力于將泓德基金量化團隊打造成一支更加專業團結的隊伍。

不同于常見的部門制，蘇昌景介紹，量化團隊在泓德基金內以跨部門的柔性團隊形式存在，以量化投資部為主，包括專戶、風控、IT等多部門人員組成共同協作。多年的跨部門協作也讓團隊經驗頗豐。“跨部門協作能讓大家在同一個平臺、同一個維度上展開討論，也由此形成共用的技術平臺，目前我們已形成了一套標準化的模塊供大家調取使用。”

團隊永遠扮演著聚合放大的作用。蘇昌景介紹，在共用平臺的基礎上，泓德基金量化團隊成員依據自身所需調用因子，各有所長、通力協作。“團隊首先堅持在量化的大框架下，堅定圍繞股價波動的因素做深入研究和分析；其次，每個人再結合自身的背景和能力，選擇最適合自己的路。”

未來量化投資想要做好高頻量價，行業將在體系化和技術化層面展開競爭。落在團隊的人才需求上，蘇昌景表示，未來團隊也將更重視復合型技術人才的招募與培養。“比如懂得AI、計算機視覺等技術，或是具有自然語言處理、生物統計學等背景的人才。在系統化、體系化的思路下展開培養。”

關鍵詞：