“时代的贝塔与科技的阿尔法”论坛在上海举行

近日，通联数据在上海举办以“大数据·大模型·量化投资：时代的贝塔与科技的阿尔法”为主题的论坛活动，探讨量化投资的过去、现在和未来，分享因子、策略和模型，交流最新观察和观点。

华创证券高级分析师秦玄晋表示，AI不仅是今年A股的投资主线之一，也深入到各个行业领域。在量化投资领域，运用大语言模型，对分析师研报情感打分和打标签构建机构情感因子，对用户行为数据定量分析构建衡量投资者关注度的个人情绪因子，可以助力解释股价走势和发掘投资线索。基于大语言模型的研究和测试显示，行为因子较稳定地解释了截面收益差异，把投资者行为纳入考虑可有效改进基本面因子。由于市场并非完全理性和投资者注意力有限，关注度过高公司的股价短期可能更易反应过度和高估，以致降低未来回报;而有利好基本面消息却未太受关注的公司可能被忽略，导致股价短期内被低估。热度因子可以进一步有效改进分析师因子，个人情绪因子与机构情绪因子结合是一个富有潜力的方向。

而对于金融大数据新方向，通联数据资深产品经理徐莹娟在演讲中表示，金融竞争来自信息不对称。在数字化、智能化时代背景下，充分发掘各类非结构化文本数据所蕴含的丰富信息变得越来越重要。大语言模型(LLM)、自然语言处理(NLP)等技术助力对非结构化文本数据实施结构化处理，对结构化后的数据实行建模分析和实现智能应用。投资理念变革为资本市场带来了新方向。随着资本市场发展，投资理念不断演进，以可持续投资、科技驱动和指数化投资等为代表的投资理念正逐渐成为投资行业大趋势。技术变革叠加投资理念完善，大数据越来越受社会青睐。投资者不仅可以对海量数据深入挖掘，还可以融通各个维度数据，进行全面分析，发现潜在商业价值和投资机遇。

收益与风险密切相关，如何将风险模型更好地运用到A股市场，通联数据量化研究专家高凌峻在演讲中强调了本土化创新，介绍了A股市场风险模型探索和应用。

高凌峻认为，参考国际通用规范，鉴于A股市场特征，基于世界前沿模型，通联数据风险模型引入了自定义的细分的本土行业分类，以更适合和适应A股;增加了热门主题风格因子，以提高收益解释能力和风格估计准确度;对特质风险做系统性风险调整，以降低特质风险估计误差;对风险模型在自适应优化器每期调节时进行自适应调节，以使风险预测更准确。测试数据显示，通联数据风险模型在超额收益率、超额波动率、信息比率、换手率、超额最大回撤等方面，具有优异的表现。

鸣石基金CTO李涛涛在演讲中分析了量化私募的核心要素等。李涛涛认为，公司、团队、个体构成了量化私募的核心要素阿尔法，具有多样化、复杂性和敏感性等特征;而行业(资产管理和量化私募)、宏观(全球经济和中国经济)则构成了量化私募的核心要素贝塔，行业的要素特征是赛道日益成熟、规则明确，细分赛道多、考验道与术的抉择，宏观要素特征是所有玩家在同一起跑线上。他认为，中国发展量化投资的优势在于高流动性带来低冲击成本、低相关性产生高配置价值、弱有效市场助力高超额收益、资本开放引来全球资金配置A股。

卡方科技CTO金基东则表示，算法交易是以成交为目的的自动化交易执行服务;将人工智能技术应用于算法交易，可以助力实施大规模订单拆单策略，降低下单冲击成本，获取交易执行阶段Alpha收益。随着方法进化，交易执行算法AI化、算法AI模型复杂化，大模型正在成为一种新型算法基础，成为整个AI的新制高点和新型基础设施;在大数据和大模型时代，数据可获得性提升，人工智能模型复杂性随之亦提升，更复杂模型的非线性性质助力更优性能，更好服务于流动性提升、市场反馈增效和价格发现。

在圆桌论坛环节，秦玄晋、李涛涛、金基东、高凌峻围绕“另类数据与量化投资新时代：信息蓝海与超额收益”进行了精彩的深度交流。

嘉宾们认为，不同于容易获取而普遍拥有的传统数据，另类数据作为新型数据，已经成为新的信息蓝海。另类数据与超额收益之间存在正相关，虽然挖掘有难度，但是初期阿尔法增厚明显;随着数据普及，超额收益可能会出现衰减，需要不断探索新的数据源与数据维度，如果不再“人无我有”，就需要“人有我优”，用得更好。同时，另类数据与策略之间应该适合，不断对算法和工具更新迭代，以连续升级的模型赋能另类数据价值持续挖掘。

来源：中国证券报·中证网 作者：张典阁

温馨提示：最新动态随时看，请关注金投网APP。