一年一度的私募盛会火热来袭！由中国（上海）自由贸易试验区临港新片区管理委员会提供指导，南汇新城镇人民政府、排排网主办，南汇新城镇企业服务中心承办，华安基金联合主办，银河期货、东证期货、国联期货、民生证券、锐耐基金、排排网财富协办的第十八届私募基金年会暨“金排奖”颁奖典礼，于2024年2月28日-29日（周三-周四）在上海临港锦江国际酒店隆重举行。

在2月29日的会议上，倍漾量化创始人冯霁出席，并作为“金排奖”的获奖代表、明星量化私募代表进行了投资报告。

倍漾量化是一家以人工智能技术为核心驱动力的创新型量化对冲基金，团队汇集了相关领域顶尖人才，公司秉持全流程人工智能的投研方法论，在统一的机器学习底座支撑下，为量化投资的每一个环节进行赋能和升级。

倍漾量化创始人冯霁博士

以下为演讲核心要点

作为一家有着机器学习学科背景的新锐对冲基金，冯霁表示他们团队在投研管理过程中“激进”地应用了人工智能技术，并提倡将人工智能覆盖投研的整个流程。本次演讲的核心，就是阐述他为什么坚定看好人工智能在量化投资领域的应用。

软件工程的演进与人工智能的崛起

冯霁博士首先回顾了软件工程的发展历程，指出从1.0时代到2.0时代的转变，标志着人工智能技术的兴起。在1.0时代，复杂的软件系统依赖于人类专家的知识和经验来编写算法，这些算法定义了输入和输出的规则。然而，这种方法的局限性在于人的创造力和专有经验。人工智能，尤其是机器学习技术的广泛落地，打破了这一局限，使得我们能够通过大量数据自动生成解决方案，无需依赖于特定个体的聪明才智，这极大的提升了生产力，也让之前依赖于特有知识的人工经验不再重要。软件工程的核心从规则驱动，逐渐转变为数据和模型驱动。量化投资作为极端复杂的系统工程，将会越来越依赖于人工智能技术进行迭代升级。

人工智能的通用性与数据的重要性

冯霁博士强调了机器学习算法的通用性，这些算法可以广泛应用于不同的领域，如语音识别、自然语言处理和量化投资。随着数据量的增加，模型能够处理更复杂的数据结构，这对于中高频量化投资尤为重要。在量化投资中，数据的质量和数量是模型性能的关键，而人工智能技术的发展使得我们能够更好地利用这些数据。

人工智能在量化投资中的优势

冯霁博士提出了人工智能在量化投资中的三个核心优势：海量交易数据的处理能力、大模型预测的准确性以及实时快速决策的能力。他预言，未来五年，人们将不再怀疑人工智能在量化投资中的可靠性（这是历史的必然趋势无法改变），而是会专注于如何更好地利用这项技术。人工智能系统能够处理大量的交易数据，提供准确的市场预测，并在极短的时间内做出决策，这些都是传统量化方法难以比拟的。

量化投资的风险管理

在风险管理方面，冯霁认为，这是量化管理人的核心竞争力之一。他强调，对风险的理解，每家管理人都会不一样，如何处理，分析，评估，对于量化投资的结果至关重要。倍漾量化内部最常讨论的议题是，如何拆解收益本身，确定收益是凭本事而不是凭运气挣的，贯穿了整个风控环节。在倍漾量化的实践中，他们通过严格的风格约束和对非线性市值的暴露管理，实现了稳定的收益。这种基于数据的方法，使得量化投资的风险管理更加科学和系统。

现场花絮图

人工智能系统的误区

冯霁博士还讨论了人工智能系统的两个常见误区：机器学习系统可能产生的过拟合问题，以及人工智能系统的可解释性需求。他指出，过拟合往往发生在样本点较少的情况，当面临每日3亿笔逐笔数据的分析时，很少有过拟合的现象发生。另外，尽管人工智能系统可能不总是能够提供清晰的解释，但只要能够通过一系列评估方式来验证，监控，评估其有效性，这些问题就可以得到有效缓解。

量化交易的频率光谱

冯霁提到，量化交易需要用到大量的数据，这些数据分为不同的种类。对于低频交易，更依赖于基本面数据；而对于中高频交易，则主要依赖于逐笔数据和另类数据。这种数据的多样性和复杂性，为人工智能在量化投资中的应用提供了广阔的空间。

应对系统性风险的策略

在谈到如何应对系统性风险时，冯霁回顾了管理人常用的两种策略：一种是在系统性风险产生之前，通过约束风控条件来预防；另一种是在发生系统性风险时，有限度的从“自动驾驶”模式进行干预。不应该通过人为大量干预去“赌一把”，这有悖于量化投资的初衷。在黑天鹅面前，如何应对风险“活下去”，是每个量化管理人必须面对的考验。

倍漾量化的实践与愿景

最后，冯霁介绍了倍漾量化的发展历程，从2018年组建核心团队到2021年获得牌照，再到去年年底达到接近50亿元的资管规模。他们以理工科背景和硅谷科技公司文化为基础，强烈依赖机器学习技术在中国的量化市场进行投资。他们的愿景是，通过统一的机器学习底座支撑量化投资，探索这一技术在量化投资中的潜力。