量化投研被AI改写，路博迈团队如何寻找稳定超额？

财联社10月19日讯（记者 吴雨其）“人力优势现在看起来在减弱。”谈及AI对量化行业的影响，路博迈基金联席投资总监兼公募量化投资部总经理赵大年在接受财联社专访时谈到了这一变化。

在他看来，AI编程已经替代了大量人工编写因子、开展回测等基础工作，量化团队过去依靠研究员数量建立的优势正在减弱。相比之下，对机器学习和深度学习的理解，以及模型打磨方面的经验，变得更加重要。

赵大年和路博迈基金公募量化投资部基金经理韩羽辰，正是这一轮量化技术变化的亲历者。两人曾在光大保德信共事，2021年开始探索将深度神经网络应用于公募量化投资，并于2022年完成第一版机器学习因子挖掘模型。加入路博迈后，团队又在原有模型基础上，借鉴海外团队的研究方法，继续完善量化投资框架。

这几年，两人的研究重点也在不断调整。从早期依靠人工编写基本面因子，到如今利用深度学习挖掘量价、基本面及另类数据中的有效信息，模型已经发生了较大变化。经历近两年数轮极端风格行情后，团队还进一步收紧了风格暴露。韩羽辰表示，他们主动放弃了部分风格轮动收益，希望“模型纯粹赚阿尔法收益”。

从人工因子转向深度学习，中低频是难点

赵大年从业接近20年。在他的回忆中，2013年至2014年，早期实盘量化以单因子、单策略为主；2014年底大盘蓝筹行情引发市场中性产品回撤，行业开始更重视多因子组合、组合优化与风险控制。

此后多年，研究员根据海外文献、卖方研究及市场经验编写因子，再结合市场环境调整权重。2019年至2021年，基本面因子是团队的主要工具。不过，2021年后市场环境变化，原有景气投资逻辑受到冲击，一批传统因子的有效性下降。

“简单因子的稳定性通常不够，持续性也不够，因为市场风格一直在变化。”赵大年说。团队在2021年转向深度学习，但没有直接复制量化私募的高频策略。

公募量化交易成本更高，受到交易频率和合规约束，预测目标往往是未来10个或20个交易日。赵大年解释，相较短周期预测，中低频数据噪声更大，深度神经网络虽然善于识别复杂模式，也可能把噪声当成规律学进去。

团队为此拉长历史数据序列，使用日K、5日K等不同频率信息，同时不再单纯追求样本内较高的IC值，而是要求学习出的因子保持正交，并提高参数平滑性，以改善样本外泛化能力。

按赵大年介绍，目前模型使用五类数据源，其中三类为量价数据，另外两类涉及基本面和另类数据，每类生成60个相互独立的因子，合计约300个。随后由另一层机器学习模型，根据过去一年的数据决定因子权重。单个因子如何形成仍是“黑盒”，但不同数据来源在最终股票打分中的权重可以观察。针对科创板综合指数增强产品，团队还基于成长股较多的特点，人工提高了基本面因子的权重。

按衡量因子预测能力的IC值计算，赵大年称，传统人工规则因子通常在3%左右，达到5%已属不错，而团队当前通过深度学习挖掘的量化因子，IC可以达到14%。

三次风格冲击后，主动放弃部分轮动收益

比提高因子预测能力更难的，是让超额收益在不同市场环境中持续输出。

韩羽辰回忆，2024年2月小微盘流动性危机，曾令其当时管理的光大保德信中证500指数增强基金受到较大冲击。团队此后收紧了市值风格约束。2024年9月24日后，市场贝塔风格快速上行，量化组合又经历了一次压力测试。2025年7月至8月，AI相关行情中的结构性分化，再次造成模型阶段性回撤。

“虽然风格暴露能够带来一定收益，但波动实在太大”，韩羽辰说。到2025年9月，团队已将策略中的风格暴露全面收紧，主动放弃部分风格轮动收益，希望“模型纯粹赚阿尔法收益”。

他介绍，2026年5月至6月市场再度出现较极端的AI板块分化，模型未出现明显回撤；7月至8月风格趋于均衡后，团队管理的组合取得较好的超额收益。他认为，前期风控参数的调整经受住了这一轮市场检验。

对拥挤交易的识别也被纳入日常监控。韩羽辰主要关注因子收益是否过度依赖少数上涨股票，以及部分股票之间的配对相关性。一旦市场上涨范围持续收窄，因子表现再好，也可能暗藏集中风险。

这套约束还会因产品不同而调整。韩羽辰介绍，科创板产品波动相对较大，风险阈值比中证A500指数增强更严格；股票组合通常按周调仓，但设置换手率限制，避免因追逐短期评分而过度交易。

AI降低基础研究人力需求，多资产成为新方向

模型研究的工作方式同样在变化。赵大年表示，团队已大量使用AI编程验证研究想法，过去需要较长时间完成的代码搭建与试验，如今可以更快开展。基础因子编写与回测岗位的需求随之下降。

“经验优势反而在加强，尤其是模型打磨方面的经验。”赵大年认为，判断模型应该往哪个方向改进，仍然需要对深度神经网络理论与市场的理解。韩羽辰则把研究员比作导演：AI能够提升制作效率，但创意和判断仍取决于人。

来到路博迈后，团队将原有模型与集团海外团队的方法论相结合。赵大年举例，集团旗下Breton Hill团队曾建议在模型中引入注意力机制，以支持更长的时间序列训练；集团大数据团队则提供了利用大语言模型处理会议纪要、电话会议等非结构化数据的方法。数据和模型本身保持隔离，交流主要落在架构和处理方法上。

产品端，赵大年希望把股票量化增强作为底层能力，进一步拓展多资产及“固收+”。他介绍，团队自2025年起孵化多资产策略，借鉴集团风险平价框架，并于今年9月通过工行私人银行发行渠道定制的全球多资产专户产品。该产品在发行后三天内用满既定额度。

在赵大年看来，多资产产品需要从客户风险收益目标出发，贯通风险预算、资产配置、投资执行和持续监控。当前银行及机构客户对回撤可控、高夏普比产品的需求，是团队重点投入这一领域的原因。

韩羽辰近期管理的路博迈红利量化选股股票也采用中频调仓。他认为，红利资产的长期回报主要来自业绩增长和股息，在低利率环境中具有配置吸引力；组合调仓仍需控制换手，避免过高的交易成本。

谈及量化投资的最终目标，赵大年强调，不是阿尔法越高越好，而是追求确定性、稳定性和持续性。韩羽辰则提出用“经营一家百年老店”的思路管理资产，分散投资、积小胜为大胜，而非追逐短期排名。

（财联社记者 吴雨其）