我已授权

注册

国金基金林健武:人工智能能解决因子失效的痛点

2017-12-13 07:31:22 证券日报  赵学毅
  本报记者 赵学毅

  12月7日,在2017世界智能制造大会.智领全球博览会上,最吸引眼球的莫过于一个个炫酷的机器人(300024,股吧)。它从一个侧面反映国内人工智能的技术研发和产业集聚进入发展快车道。陪护机器人、跳舞机器人、绣花机器人、演奏机器人、调酒机器人、配药机器人……人工智能越来越“能”。其实在量化投资领域,人工智能同样大显身手,正一步步解决传统因子失效的痛点。

  国金基金量化投资总监林健武近日在接受《证券日报》基金新闻部记者采访时揭开了量化投资“黑匣子”的秘密,在他看来,简单的使用少量因子的线性模型已经无法适应当前的市场环境,唯有使用人工智能机器学习和元知识学习模型,不断通过大数据分析的方法发掘新的选股因子以及因子与股票收益间的非线性关系,才能提高模型的预测能力。

  牵手人工智能是最好出路

  《证券日报》基金新闻部据同花顺(300033,股吧)iFinD最新统计,148只主动偏股量化基金(A、B、C类分开统计)年内平均回报率为7.68%,跑输主动偏股基金8.81%的平均回报率,甚至有36只占比24.32%的量化基金亏损。

  量化基金怎么了?除了市场因素,这类基金自身又暴露了哪些问题?

  “量化基金多数是按照对历史的数据进行统计总结、建立数学模型。前几年,市值因子和与市值相关度高的因子表现一直很好,所以这类因子往往会被赋予很高的权重,特别是因子不动态更新的策略。”林健武对《证券日报》基金新闻部记者表示,“随着中国量化多因子模型的发展,因子从单一发展到多元,从线性关系发展为非线性关系。简单的使用少量因子的线性模型已经无法适应这种市场环境,所以才出现了很多业绩低迷的情况。”

  在林健武看来,量化基金若摆脱业绩困境,需要借助人工智能的力量。据他介绍,国金基金在建立量化多策略模型时,使用了基于人工智能的学习算法,将从多个纬度对因子进行动态评估和挑选。这样可以避免多数量化基金遇到的因子失效的问题。同时,国金基金借鉴欧美近百年的经验,将短期收益高但长期会逆转的选股因子作为风险因子排除,这样可以避免由于中国量化投资历史短带来的数据不足问题。

  “国金基金的量化多策略模型使用人工智能机器学习和元知识学习模型,不断通过大数据分析的方法发掘新的选股因子,以及通过因子与股票收益间的非线性关系,以期提高模型的预测能力。”林健武表示,“为了实现对海量因子的处理和筛选,我们在系统准备和数据收集方面做了大量前期工作。目前系统已经能够支撑大数据分析方法挖掘新的选股因子,加快了研发速度,也提高了策略开发的有效性。”

  人工智能有效预测失效因子

  获取收益和控制风险是量化基金的两大核心,管理资产的本质是管理风险,评价一只量化基金的优劣不能仅看业绩回报,更多的要看其对风险的控制能力。遗憾的是,市场上多数量化基金对风险估计有一定的滞后性。

  “长期以来量化投资的风险控制一般停留在头寸限制的风险预防,和通过历史波动性进行风险估计上。这些风险控制手段有着它们的局限性,头寸限制在控制风险的同时也降低了收益,同时历史波动性进行风险估计有一定的滞后性。”林健武说道。

  据了解,国金基金的量化体系有着严格而先进的风控体系。首先从产品运作层面的风控体系来说,量化策略的上线要经过严格的评审会审核,审核通过方可进入策略池。运行中的策略时刻接受事前、事中和事后的全链条风险管理。除了产品层面的风控,国金基金的量化多策略模型本身也践行了很多行之有效的风险预测,最重要的则是使用先进的基于市场状态的人工智能模型,很好的对中国市场的风险变迁进行预测。同时,策略建立了基于策略生命周期的人工智能模型,对选股因子的失效带来的风险也进行有效的预测。

  据记者了解,国金基金的量化多策略模型使用近1400个因子,涉及各种不同的相关度低的因子类型,同时因子之间的非线性叠加可以增厚,而不是简单平均收益,实现收益的多元化和增强性。

  “随着越来越多海外人才的回归和中国市场的逐步对外开放(沪港通、深港通、MSCI入市、QFII额度提高),国内的量化投资的形态日益和国际接轨,基金公司可引进最先进的华尔街的量化投资平台、完善的量化投资风控体系和有效的管理激励机制,从而更好适应新的市场环境变化。”林健武最后说道。
(责任编辑:赵艳萍 HF094)
看全文
和讯网今天刊登了《国金基金林健武:人工智能能解决因子失效的痛点》一文,关于此事的更多报道,请在和讯财经客户端上阅读。
写评论已有条评论跟帖用户自律公约
提 交还可输入500

最新评论

查看剩下100条评论

热门新闻排行榜

和讯热销金融证券产品

【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。