(相關資料圖)
量化投資一般是從歷史的市場數據中探索金融市場的規律，挖掘有效的選股因子并在整個市場中尋找有投資價值的指標。而在信息維度爆炸式增長的今天，人工智能的加入，讓機器處理數據更高效、優化算法更智能成為可能。據了解，近幾年，光大保德信基金量化投資團隊分配了大量研究資源，自主開發具有公司特色的量化機器學習模型，并從去年底開始將研究成果應用于量化團隊管理的各類產品中。今年以來，憑借量化模型，團隊不斷把握市場機遇，公司旗下多只量化投資策略產品均實現正收益。其中，截至6月30日，光大量化核心今年以來業績增長7.04%，超越業績比較基準7.66%；光大中證500指數增強近一年表現亦不俗，排名躋身同類前十。①有關基金的投資策略，以光大中證500指數增強為例，基金招募說明書顯示：“本基金根據國內資本市場的實際運行情況和大量歷史數據的實證檢驗，結合基金管理人量化團隊多年的研究與投資經驗，充分挖掘并精選各種有效因子，構建多因子選股模型。以便擇優精選出基本面優秀、成長性好、符合市場熱點、主題投資或者行業輪動特點等具有良好預期收益的個股”。光大保德信基金量化團隊進一步表示：“傳統量化投資在實踐中面臨著越來越多的困難，僅僅依靠研究人員處理分析有限的數據，已經很難從市場上獲利。為了彌補傳統量化投資的短板，將人工智能應用于量化投資便順理成章成為量化研究的新趨勢。因為人工智能可以更高效的處理數據并優化算法的持續發展，同時，機器學習通過非線性的方式挖掘因素與結果之間的潛在關系，高維度識別數據間的變化模式，能夠更加敏銳地捕捉市場中非理性因素帶來的投資機會”。隨著對人工智能研究的日趨深入，光大保德信基金量化團隊已將人工智能三要素“數據、算法、算力”與量化投資策略深度融合。數據方面，除了傳統量價數據和基本面數據之外，還將蘊含豐富日內信息的高頻數據、刻畫股票間相互關系的產業鏈數據、描述分析師預期和輿情信息的文本數據等另類數據都納入到機器學習模型體系中，為模型提供豐富的原料。算法方面，結合各類學術文獻，光大保德信基金量化團隊自主開發了以深度神經網絡為基礎的機器學習模型，將多種特征提取模塊有機結合在一起，并運用多目標學習、動態加權等前沿機器學習方法，力爭使模型具備穩健優秀的信息提取能力。算力方面，對硬件進行了投資，采購了先進的服務器和GPU芯片，對模型進行高效的計算。模型訓練過程中，團隊將海量的歷史數據輸入模型，讓模型對目標進行自我學習，力求機器獲得類似人腦一般的判別行為。訓練完成后，對模型輸出結果進行有效性檢驗和歷史回測，并將優秀的模型應用于投資并持續進行績效跟蹤，最后在實踐的基礎上對模型進行迭代優化，形成研究和投資的閉環。據悉，光大保德信基金是國內最早組建量化投資平臺的公募之一，早在2004年成功發行了第一只鮮明量化特征的公募產品——光大量化核心基金。經過19年的打磨，光大保德信已經打造出一只經驗豐富、實力雄厚的量化投資團隊，團隊成員平均從業經驗超過6年。當前投資團隊已具備了構建復雜模型來捕捉市場中的交易機會的能力。AI的興起給量化投資增加了一個新的維度，使量化模型能更多的納入非線性的因素，增強了量化模型的選股能力。未來，團隊將不斷迭代優化模型，進一步提升公司量化產品的競爭力。數據來源：①業績及業績比較基準來源于定期報告，截至2023.06.30，本公司旗下使用量化模型投資策略的產品分別為光大風格輪動、光大中證500指數增強、光大量化核心，上述產品今年以來業績及業績比較基準分別為6.98%/2.11%、5.86%/2.20%、7.04%/0.62%；其中光大量化核心和光大中證500指數增強的業績比較基準分別為滬深300指數*90%+同業存款利率*10%、中證500指數收益率*95%+活期存款利率(稅后)*5%；排名數據來源于銀河證券，截至2023.07.31，近一年排名為9/134，同類指的是增強規模指數股票型基金。風險提示：基金有風險，投資需謹慎。在進行投資前敬請投資者仔細閱讀《基金合同》、招募說明書、《產品資料概要》等法律文件，光大風格輪動、光大中證500指數增強、光大量化核心的產品風險等級為R3（中風險），適合風險評級（C3平衡型）及以上的投資者敬請投資者關注產品的風險等級與自身風險評級進行獨立決策。本材料不構成任何法律文件或是投資建議或推薦。上述基金的過往業績、凈值高低、獲獎情況及相關行業排名并不預示其未來業績表現，基金管理人管理的其他基金的業績不構成對上述基金業績表現的保證。基金管理人承諾以誠實信用、勤勉盡責的原則管理和運用基金資產，但不保證上述基金一定盈利，也不保證最低收益。本基金由光大保德信基金發行與管理，代銷機構不承擔產品投資、兌付及風險管理責任。
關鍵詞：
營業執照公示信息