《推动公募基金高质量发展行动方案》明确提出，促进行业高质量发展，加快建设一流投资机构，鼓励基金公司加大对人工智能、大数据等新兴技术的研究与应用。
图片来源于网络，如有侵权，请联系删除
当 DeepSeek 等国产开源大模型 渗透证券业务的各个脉络，公募基金行业正站在技术驱动的历史拐点。
AI正日益成为基金行业转型升级的核心引擎。中银基金已自主完成从数据库到投资策略模型的构建。同时逐步形成了自己的特色，自主构建因子库，阿尔法模型、风险模型、优化器模型、归因模型等，严格把控策略构建的各个环节。
探索投研系统AI应用
作为国内首批投入AI新浪潮的基金公司之一，中银基金早在2009年中银基金就已组建了量化投研团队。
以量化研究员为例，当前AI 的价值首先体现在把非结构化、多源、海量的“边缘数据”低成本地纳入因子框架。
早期研究员采用BERT等轻量级神经网络对上市公司公告进行情感分析，开创了文本数据量化分析的先河。随着随着大语言模型成为新的技术基座，数据处理的广度和深度都得到了质的飞跃，把数据量更大的券商研报、论坛评论等纳入语义分析，并对公司公告中的隐语进行识别。这些实践证实，AI 技术可以在传统因子体系之外提供信息增量。
更深刻的变革发生在因子生产环节。在传统量化投研体系中，因子挖掘是量化研究员的最主要工作。
中银基金团队尝试构建基于大模型的算法挖掘体系，充分发挥大语言模型的表意优势和算法挖掘的高效优势，将因子公式算子化、算子组合自动化、筛选标准严格化，形成一套由模型驱动的算法挖掘流程，从而批量生成预测能力强、表现稳健的因子。
实践数据显示，该体系能够在传统因子挖掘周期内产出数量级更多的有效因子，同时保持因子的质量和多样性。这使得研究员能够将精力更多地投入到复杂因子设计和核心模型架构等创造性工作中。借助这一体系，团队量化投研的整体效率得到提升。
AI研究方法论全面渗透量化策略
实际上，AI对量化投资的影响远不止于数据处理和因子挖掘。
随着AI技术近年来快速发展，当前AI正在深刻地影响和赋能量化投资，在收益预测、另类研究、组合优化等多个层面，AI研究方法论都在深度参与策略开发。
在收益预测方面，无论是使用神经网络、树模型对人工挖掘因子的非线性组合，还是使用股票量价数据直接预测股票未来收益率，都集中使用到了AI的底层研究工具。深度神经网络能够捕捉市场中的复杂模式，树模型则提供了优秀的特征组合能力，这些都为传统预测模型带来了显著提升。
另类研究领域同样迎来突破，大语言模型可以更好赋能文本情感分析及文本嵌入。在因子挖掘领域，大语言模型提供了区别于传统人工挖掘与遗传算法的另一种因子挖掘的路径，并已证明了其生命力。
尽管AI技术展现出强大能力，但在实际量化投资中，经验性判断仍然不可或缺。成功的量化投资实践表明，人机协同才是最优解决方案。
“在模型开发过程中，基于经验的数据处理方法和模型调优能够显著提升AI模型的训练效率和稳定性。”在中银基金量化团队如是表示。人工因子提供稳定基础和可解释性，AI因子提供多样性和复杂性，两者结合才能实现1+1>2的效果。
随着技术的不断进步，AI在量化投资中的应用前景更加广阔。强化学习的快速发展同样为未来因子挖掘、组合优化提供了更多的优化提升空间。
编辑/许楠楠
(编辑：许楠楠) 关键字：