AI技术平权，公募能给基民赚多点吗

也许AI不仅不是万能解药，还是真正考验公募投研能力的起点

▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼

文 | 周先先

当Deepseek已成为公募基金加速拥抱大模型的不二选择，行业的AI技术平权正在快速到来。虽然Deepseek或许并非行业大模型应用的“终点”，但无论AI技术如何迭代，身为万千普通投资者中的一员，小周最关心的问题还是：

AI技术平权加速到来，能让公募基金给基民们多赚点钱吗？如果都把Deepseek（不排除未来有其他模型迭代）应用在投研层面，业绩趋同性是否会增加？

出于好奇，第一步，我们参考了一下国内外已经用上AI的产品表现；第二步，结合多位基金经理的看法，尽量多维度了解一些可能趋势。

Part 1

确有不少AI“基”业绩略高于传统“基”

目前，将AI技术应用在投研领域的公募产品，主要有主动量化型基金和指数增强型基金。

虽然“AI量化基金”的数量因各机构的统计标准、范围不同有所差异，但据周观不完全统计，当前全市场主动量化型基金有491只，指数增强型基金有515只。

另据同花顺数据显示，截至2025年2月26日，有超过200只主动量化型基金、指数增强型基金在研报中明确提及使用AI技术。此外，灼识咨询2023年底数据显示，明确提及使用AI技术的主动量化基金占比约30%，指数增强型基金占比约20%

从整体业绩来看，“AI量化基金”的整体业绩略高于传统量化基金。国金证券曾在研报中统计，AI增强型基金平均超额收益比传统量化高1.5-2%；而国泰君安统计则显示，约15%的AI基金跑输传统量化。相对而言，AI基金在震荡市表现更优，超额收益显著，而单边行情中，部分AI模型因过度拟合跑输。

以汇添富国证2000指数增强A为例，据同花顺数据，截至2月26日，该基金近一年实现45.37%的正收益，超额收益高达18.21%，是指数增强基金中超额收益最高的产品。据公开资料，该基金采用多因子模型和AI量化选股相结合的方式选股。

此外，安信量化精选沪深300指数增强、海富通沪深300指数增强在跟踪沪深300指数增强基金中，近一年超额收益也分别达到了14.64%和7.84%，在同类产品中超额收益排名前二。

国信证券在《投研范式的革新——当大模型遇到大资管》中写道，部分头部公募利用AI和海量数据，通过模型化的方法，寻找市场中被低估或错误定价的标的，相对基准指数的超额收益较为显著。

数据来源：国信证券

Part 2

AI强，不代表投研应用强，更不代表业绩强

并不是所有将AI技术应用在投研领域的基金都能跑赢市场，仍有相当一部分产品在全市场垫底。

比如，景顺长城量化新动力混合，招募说明书明确提及“基于机器学习的市场情绪模型”和“自然语言处理（NLP）分析市场舆情”，然而近一年来，据天天基金网数据，该基金收益12.62%，跑输同类平均收益19.01%，13.48%的最大回撤率和1448.39%的超高换手率也远超同类基金。

这样的负面案例并不是中小基金公司独有，同样的情况也发生在嘉实沪深300指数增强上，该基金提及应用了“AI动态因子优化”和“卫星数据监测供应链”，近一年收益11.82%，远低于同类平均收益22.94%，甚至低于沪深300指数14.67%。值得一提的是，据同花顺数据，截至2月26日，该基金跟踪误差已经达到0.56%（过去52周至今），已经超过了合同上限0.5%。

数据来源：同花顺、嘉实沪深300指数增强招募说明书

此外，“深度学习行业轮动模型和政策文本分析系统”的华泰柏瑞量化阿尔法、“深度学习多因子模型和高频订单流分析”的招商量化精选股票也都因“政策解读不足”、“模型需迭代”而至业绩落后。

也就是说，除去部分基金可能仅在宣传材料中提到AI技术，但实际应用并不深，或是仅在某个环节使用了AI技术的原因之外，AI技术强，不代表AI应用强，其使用效果扔取决于数据、模型、市场、基金经理四者的协同。

首先，AI模型高度依赖数据输入的多样性和质量，低质量数据干扰会导致模型误判。此外，模型的复杂程度和迭代速度也是重要影响因素之一，简单线性回归模型与深度神经网络（如GAN、LSTM）在非线性关系捕捉能力上存在明显差距。

泓德基金AI Lab负责人李子昂就认为，保持阿尔法有效性唯一的方法，就是快速迭代模型，“传统多因子模型包含比较多的偏长期的基本面因子，比如成长因子、低估值因子，相对来说偏长期，在市场表现好、风格合适的时候能够赚取企业价值提升的钱。而机器学习的数据源更多来自交易信息，从错误定价中获取超额收益，加快神经网络的训练频率，可能会带来更好的稳定性。”

Part 3

AI并非“万能解药”

或许，Deepseek用算法撕开了传统量化投资裂缝，但不代表AI就是投研和业绩的“万能解药”。

“在DeepSeek出现之前，就有过著名的Chat GPT，也曾经给市场带来过很多遐想，但结果我们都看到了，同样的增强策略指数型基金，由于策略的使用者不同、对于市场的理解不同、使用的方法不同、基金的规模不同、交易的时间不同、交易的规模不同等等，依然还是会有不同的业绩表现。”百嘉基金董事、副总经理王群航则认为，即使Deepseek或其他AI技术大量应用于公募基金，但基金绩效之间差别仍将存在。

“超额收益的来源不仅依赖于模型，还包括对数据的敏锐洞察和策略的持续优化。”排排网财富理财师负责人孙恩祥认为，尽管DeepSeek的普及可能使部分策略趋同，但差异化策略和持续创新才是基金公司的核心竞争力。

高盛曾有报告曾提到，“2019年美国量化基金的回报下滑了40%”，其中动量因子、价值因子等传统量化策略的收益普遍表现较差，这一现象部分与算法的广泛应用有关，因为随着越来越多的量化基金和对冲基金采用相似的机器学习和AI模型，市场上这些因子的有效性逐渐消失。

Deepseek或许让AI技术平权加速到来，但Deepseek并非大模型的“终点”，AI具体深入到投研应用的效果也仍待时间验证。虽然目前我们依旧没有办法给予标题一问明确答案，但这毫无疑问是AI时代赋予公募行业应用的最核心价值所在，也是基民将持续关注的焦点。

或许AI技术平权的起点，才是“进阶式”考验公募基金投研和策略的开始。

—THE END—

原创文章，未经授权，请勿转载。

联系周公子请加微信号：zhougongzihenshuai

投资有风险，入市须谨慎，以上观点分享不构成投资建议。

富融银行10个月「换心」背后：云厂商出海角逐加速
一开年，银行理财就开始往美元存款、美债等海外资产要收益了

DeepSeek来了，金融拥抱大模型姿势要变了