基金公司于2023年9月扎堆上報中證2000指數增強型基金，而在2024年春節假期前，小盤股出現較大回撤和流動性危機。雖然市場上一度出現了對量化策略在小市值賽道擁擠度的質疑，但超額收益的迅速反彈和恢復一定程度上仍說明了量化策略的有效性。

　　國聯基金旗下國聯智選先鋒產品發行在即，負責管理這只產品的是國聯基金量化與指數投資部基金經理陳薪羽。

　　“量化永遠是我們觀測和研究市場的工具?！北贝髷祵W專業出身，扎根國聯基金7年，陳薪羽談起公募量化與人工智能（AI）模型時，神采奕奕。

　　以“大道至簡”為底色，陳薪羽認為，好的投研需要在不斷嘗試后沉淀。他偏好將主動投資的深度與前瞻性，同量化投資的廣度與趨勢性相結合，始終保有對AI公募量化的強烈探索欲。

　　AI模型不斷迭代

　　自ChatGPT面世以來，AI熱度居高不下。在這一話題進入大眾視野前，國聯基金便已經開始著手研發人工智能量化模型?！癆I算法賽道的未來，就是在人力、算力模型的迭代上去‘卷’。開發策略是一個需要不斷迭代的過程。”陳薪羽告訴中國證券報記者，國聯基金團隊在人工智能研究框架的研發上，已投入了約一年半的時間。

　　普通的指數增強策略往往以多因子體系為基礎進行構建，而隨著人工智能研究框架的引入，傳統多因子體系得以拓展。一方面，擴展了因子概念，使統計上不那么顯著的特征也能在模型中得到體現；另一方面，擴展了算法層面，提高了模型提取信息的能力?！暗谝?，要實時監控；第二，要用經驗去判斷不同模型適用怎樣的市場環境，識別怎樣的數據。”陳薪羽說。

　　以人工智能為核心，多周期、多目標為框架，國聯基金的人工智能量化框架從特征提取、模型訓練、模型選擇和預測、組合優化等步驟展開。具體看來，數據庫方面，該策略基于“時序數據庫”構建高容量、高速度的流分析系統，實現實時響應，打造高效率的一體化投研平臺。信息處理方面，該策略追求基本面信息與高頻量價信息共振，使兩類相關性較低的信息互為補充，分別獲取選股和交易的超額收益，共同構成強大因子庫。模型運用方面，該策略強調傳統機器學習和深度學習的雙輪驅動，等權運用經典的樹模型與Transformer模型。

　　與此同時，陳薪羽和團隊也積極探索和研究強化學習領域。“強化學習能根據輸入狀態，如開盤價、收盤價等，產生買入、持有、賣出等一系列動作，并通過獎勵好的結果和懲罰差的結果來不斷學習和調整策略?！标愋接鸨硎?，這種方法使得策略能自我學習，迅速適應市場風格的變化。

　　風控作為“穩定”基礎

　　在陳薪羽看來，公募基金作為普惠金融產品，底色應是“穩定”二字。因此控制風險格外重要。國聯基金團隊的投資風險管理實行多層次、多角度的監控，基于Barra體系和中國市場風格和行業特征自研風險數據庫，以追求行業中性、風格中性、純正的阿爾法。

　　“我們自行研發的風險數據庫，使得我們在對成份股權重、行業權重偏離進行嚴格限制的同時，對主要的市場風險敞口暴露進行了嚴格控制?！彼硎荆x股因子在風險因子中的暴露度過高，可能導致持倉股票過于集中而帶來極端風險，這會影響模型對選股因子有效性的判斷。因此，選股因子的提純可以進一步挖掘因子的增量信息，提高因子的信噪比，在提高策略超額收益的同時，降低策略回撤。

　　陳薪羽解釋，一級行業的劃分并不能詳細刻畫個股之間的網絡關系，有色能源、機械、汽車行業中的許多個股與電力設備及新能源的個股相關性較高，團隊嘗試通過公司的主營產品來定位產業鏈上下游，結合過去個股間股票量價的同步性，進行行業重構，有效捕捉股票的同質性，以提升量化投資策略的穩健性。

　　“我們想嘗試在公募量化中為投資者提供一只在私募量化中比較常見的高頻產品。”陳薪羽如是說。他希望首先可以做到“私募有的我們也有”，通過不斷強化學習，最后能夠“做得比私募更好”。

　　量化是手段而非目的

　　在今年主題輪動極致、切換迅速的結構性行情中，量化策略一度成為市場關注的焦點。談及量化的本質，陳薪羽認為，“量化的本質是研究規律和現象”，從相對宏觀的視角解構市場，提煉出適用于不同市場、時間和股票標的的規律及現象，利用這套方法發掘市場的異常定價，并實施套利。

　　在煤炭、鋼鐵等領域積累了行業豐富研究經驗的陳薪羽，十分強調主動投資的重要性。“量化永遠是觀測和研究市場的工具，是手段而非目的?！彼J為，主動投資從微觀視角看待市場，需要研究、交易的能力；然而，根據數據做出信號的量化，永遠不能解決拐點問題和前瞻性問題。

　　因此，陳薪羽認為，主動投資與量化投資應當雙向結合，“近兩年來，量化策略和主動策略都在融合。主動策略在用量化的工具解決廣度、趨勢性問題，量化策略在用主動的視角和思維解決深度、前瞻性問題”。

　　在這背后，支撐陳薪羽投資價值觀的是“大道至簡”理念。他認為，“大道至簡”表現在不斷嘗試后的沉淀。“投資是認知的變現，成長路徑決定反饋機制。好的研究與投資要從好的問題出發，不斷嘗試和總結，先做加法，再做減法?！彼f。

　　展望量化投資的未來走向，陳薪羽表示，經過十幾年的發展，量化投資已經沒有標準的投資框架限制和范式。未來的發展方向是每個團隊如何形成自身的投資體系，從細節中產生超額收益。“我和團隊將積極探索先進技術比如強化學習、大模型等在量化投資中的應用，發揮工匠精神，細致打磨每一個環節，并加強建立與業界的合作，投身基礎科學，賦能量化投資行業高質量發展?！彼f。