 也許AI不僅不是萬能解藥，還是真正考驗公募投研能力的起點 文 | 周先先 當Deepseek已成為公募基金加速擁抱大模型的不二選擇，行業的AI技術平權正在快速到來。雖然Deepseek或許并非行業大模型應用的“終點”，但無論AI技術如何迭代，身為萬千普通投資者中的一員，小周最關心的問題還是： AI技術平權加速到來，能讓公募基金給基民們多賺點錢嗎？如果都把Deepseek（不排除未來有其他模型迭代）應用在投研層面，業績趨同性是否會增加？ 出于好奇，第一步，我們參考了一下國內外已經用上AI的產品表現；第二步，結合多位基金經理的看法，盡量多維度了解一些可能趨勢。 Part 1確有不少AI“基”業績略高于傳統“基”目前，將AI技術應用在投研領域的公募產品，主要有主動量化型基金和指數增強型基金。 雖然“AI量化基金”的數量因各機構的統計標準、范圍不同有所差異，但據周觀不完全統計，當前全市場主動量化型基金有491只，指數增強型基金有515只。 另據同花順數據顯示，截至2025年2月26日，有超過200只主動量化型基金、指數增強型基金在研報中明確提及使用AI技術。此外，灼識咨詢2023年底數據顯示，明確提及使用AI技術的主動量化基金占比約30%，指數增強型基金占比約20% 從整體業績來看，“AI量化基金”的整體業績略高于傳統量化基金。國金證券曾在研報中統計，AI增強型基金平均超額收益比傳統量化高1.5-2%；而國泰君安統計則顯示，約15%的AI基金跑輸傳統量化。相對而言，AI基金在震蕩市表現更優，超額收益顯著，而單邊行情中，部分AI模型因過度擬合跑輸。 以匯添富國證2000指數增強A為例，據同花順數據，截至2月26日，該基金近一年實現45.37%的正收益，超額收益高達18.21%，是指數增強基金中超額收益最高的產品。據公開資料，該基金采用多因子模型和AI量化選股相結合的方式選股。 此外，安信量化精選滬深300指數增強、海富通滬深300指數增強在跟蹤滬深300指數增強基金中，近一年超額收益也分別達到了14.64%和7.84%，在同類產品中超額收益排名前二。 國信證券在《投研范式的革新——當大模型遇到大資管》中寫道，部分頭部公募利用AI和海量數據，通過模型化的方法，尋找市場中被低估或錯誤定價的標的，相對基準指數的超額收益較為顯著。  數據來源：國信證券 Part 2AI強，不代表投研應用強，更不代表業績強并不是所有將AI技術應用在投研領域的基金都能跑贏市場，仍有相當一部分產品在全市場墊底。 比如，景順長城量化新動力混合，招募說明書明確提及“基于機器學習的市場情緒模型”和“自然語言處理（NLP）分析市場輿情”，然而近一年來，據天天基金網數據，該基金收益12.62%，跑輸同類平均收益19.01%，13.48%的最大回撤率和1448.39%的超高換手率也遠超同類基金。 這樣的負面案例并不是中小基金公司獨有，同樣的情況也發生在嘉實滬深300指數增強上，該基金提及應用了“AI動態因子優化”和“衛星數據監測供應鏈”，近一年收益11.82%，遠低于同類平均收益22.94%，甚至低于滬深300指數14.67%。值得一提的是，據同花順數據，截至2月26日，該基金跟蹤誤差已經達到0.56%（過去52周至今），已經超過了合同上限0.5%。
 數據來源：同花順、嘉實滬深300指數增強招募說明書 此外，“深度學習行業輪動模型和政策文本分析系統”的華泰柏瑞量化阿爾法、“深度學習多因子模型和高頻訂單流分析”的招商量化精選股票也都因“政策解讀不足”、“模型需迭代”而至業績落后。 也就是說，除去部分基金可能僅在宣傳材料中提到AI技術，但實際應用并不深，或是僅在某個環節使用了AI技術的原因之外，AI技術強，不代表AI應用強，其使用效果扔取決于數據、模型、市場、基金經理四者的協同。 首先，AI模型高度依賴數據輸入的多樣性和質量，低質量數據干擾會導致模型誤判。此外，模型的復雜程度和迭代速度也是重要影響因素之一，簡單線性回歸模型與深度神經網絡（如GAN、LSTM）在非線性關系捕捉能力上存在明顯差距。 泓德基金AI Lab負責人李子昂就認為，保持阿爾法有效性唯一的方法，就是快速迭代模型，“傳統多因子模型包含比較多的偏長期的基本面因子，比如成長因子、低估值因子，相對來說偏長期，在市場表現好、風格合適的時候能夠賺取企業價值提升的錢。而機器學習的數據源更多來自交易信息，從錯誤定價中獲取超額收益，加快神經網絡的訓練頻率，可能會帶來更好的穩定性。” Part 3AI并非“萬能解藥”或許，Deepseek用算法撕開了傳統量化投資裂縫，但不代表AI就是投研和業績的“萬能解藥”。 “在DeepSeek出現之前，就有過著名的Chat GPT，也曾經給市場帶來過很多遐想，但結果我們都看到了，同樣的增強策略指數型基金，由于策略的使用者不同、對于市場的理解不同、使用的方法不同、基金的規模不同、交易的時間不同、交易的規模不同等等，依然還是會有不同的業績表現。”百嘉基金董事、副總經理王群航則認為，即使Deepseek或其他AI技術大量應用于公募基金，但基金績效之間差別仍將存在。 “超額收益的來源不僅依賴于模型，還包括對數據的敏銳洞察和策略的持續優化。”排排網財富理財師負責人孫恩祥認為，盡管DeepSeek的普及可能使部分策略趨同，但差異化策略和持續創新才是基金公司的核心競爭力。 高盛曾有報告曾提到，“2019年美國量化基金的回報下滑了40%”，其中動量因子、價值因子等傳統量化策略的收益普遍表現較差，這一現象部分與算法的廣泛應用有關，因為隨著越來越多的量化基金和對沖基金采用相似的機器學習和AI模型，市場上這些因子的有效性逐漸消失。 Deepseek或許讓AI技術平權加速到來，但Deepseek并非大模型的“終點”，AI具體深入到投研應用的效果也仍待時間驗證。雖然目前我們依舊沒有辦法給予標題一問明確答案，但這毫無疑問是AI時代賦予公募行業應用的最核心價值所在，也是基民將持續關注的焦點。 或許AI技術平權的起點，才是“進階式”考驗公募基金投研和策略的開始。 |
|
|
