□本报记者 魏昭宇
2017年,张子权加入太平资产,深度参与了公司量化策略的研发与迭代。2019年,太平资产发行首只人工智能(AI)技术赋能的量化产品,由张子权担任投资经理。2022年,张子权加入公募机构太平基金,担任太平中证1000指数增强的基金经理。Wind数据显示,截至10月11日,该产品近两年来已经取得超越基准15%的收益率。
近期,张子权拟任太平量化选股混合的基金经理。他表示,其所在团队会继续坚持开发基于AI的选股策略,通过机器学习等技术实现基本面、量价、另类数据等多种因子的深度发掘与智能组合。
AI赋能 打破传统多因子范式
张子权向中国证券报记者介绍,如今,市场上已经有越来越多的公募机构选择用AI技术赋能量化策略,实现模型对市场动态更全面客观的抓取。
“传统多因子模型的本质思路可以简单理解为一种逻辑的回归,理想状态下,多因子模型可以通过对多个自变量的分析预判出股价的整体走势。但必须承认的是,市场环境复杂多变,充斥着各种杂音,这些不稳定因素极有可能影响模型对自变量的客观分析,随着这些杂音越来越多,多因子模型在处理更多自变量的时候会稍显乏力,进而影响系数的稳定性。”张子权表示,“为了保证能够得到最终决策,多因子模型一般会对复杂信息进行压缩与整合,但在这一过程中,不少信息可能会丢失。”
如果将AI策略加入到量化模型中,机器学习技术可以不断捕捉市场上纷繁复杂的变量并找到其与股价之间的因果关系,极大提高模型预测的胜率。“举一个很简单的例子,比如最近在一篇报告中看到,卫星搜集到的不同地区的地热数据,与当地的人流量、企业经营活动可能存在一定关系,那么这种地热数据就有可能作为一种另类数据加入到我们的分析模型中去。”张子权表示。
据悉,太平基金的量化模型中已经积累了超过一万个股票特征。“用AI分析股票时,我们一般用‘特征’这个词,而不是‘因子’。这两者的区别比较模糊,但总体来说,因子的因果逻辑关系要比特征更强,但这并不意味着特征没有意义。”张子权进一步解释,“我们之所以分析这么多特征,是希望通过更多维度、全面客观地刻画一只股票。”在张子权看来,AI技术对量化投资的赋能程度,除了要看一个团队在算力、数据库建设等硬件方面的整体水平,还要看量化团队深耕在AI领域的总体时长。“一千个特征和一万个特征在代码量上的差别是极大的,有效特征的积累需要时间的不断堆积。”
拓宽选股范围
减少单一赛道暴露
近两年,越来越多公募机构相继推出对标中证800、中证1000等中小市值指数的量化产品。张子权表示,量化投资的超额收益与市场的宽度有较大关系,因此量化从业者选择在宽度更广的指数上做增强是大势所趋。“我们以沪深300指数为例,这只指数的头部成分股集中度较高,前100只股票的占比可以超过70%,同时,机构资金重仓使得这类股票的定价愈加透明合理,量化策略想要在沪深300指数上做出超额收益的难度越来越大。”
尽管中小市值指数的选股范围非常宽泛,但今年年初小微盘股的跌宕起伏也使得不少投资者意识到押注单一赛道并不可取。鉴于此,张子权开始思考:什么样的指数,既可以拥有较宽的选股范围,又能减少押注单一赛道的风险?最终,他从万得编纂的偏股混合型基金指数中得到了启示。
“如果将市场上所有的偏股混合型基金拉出来,根据这些基金在半年报和年报中公布的底层持仓股票,将这些股票进行等权聚合,这样构造出来的投资组合就可以基本满足我们上述提到的要求。”张子权表示,本次正在发行的太平量化选股混合,将以上述投资组合为基础,力争在此基础上精选股票获得超越基准的收益。
在超额收益的获取方面,张子权表示,团队将以长期量化研究为基础,结合行业研究员行业主动选股框架,捕捉市场有效性暂时失灵的机会。在投资风险的把控方面,张子权表示,团队会利用风险预测模型和适当的控制措施,力求将投资组合的风险控制在目标范围内。此外,太平量化选股混合所具备的交易成本模型除了会考虑固定成本,还会考虑交易的市场冲击效应,以减少交易对业绩造成的负面影响。