瑞士百达资管雷德玮：AI驱动量化投资进入2.0时代

　　“当一名分析师上调股票评级时，是否真正预示股价即将上涨？对此，AI量化模型可以更精准地判断。”瑞士百达资管量化投资主管雷德玮近期在接受中国证券报记者专访时表示，AI通过算力提升和开源工具普及，正在推动量化投资进入2.0时代。传统量化局限于价值、动量等少量因子进行分析，AI量化可以识别数百个高频信号，挖掘数据中的非线性关系。

　　瑞士百达资管为瑞士百达集团旗下的机构资产管理和基金管理公司，瑞士百达集团拥有220年历史，截至2025年6月30日，集团资产管理规模达7110亿瑞士法郎。目前，雷德玮带领的瑞士百达资管量化股票及解决方案投资团队的管理规模为250亿美元，旗下AI量化策略产品已在发达市场进行了验证，并计划进一步向新兴市场扩展。

　　“目前全球资本对中国的兴趣正在回升。”雷德玮表示，“瑞士百达资管覆盖新兴市场股票的AI量化策略可能会在明年落地，届时将纳入A股标的；若新增QDLP额度获批，面向中国投资者的AI量化策略产品会在考虑范围内。”

　　雷德玮（David Wright），现任瑞士百达资产管理量化投资主管，负责Quest（量化股票和解决方案）以及指数股票业务。他于2022年加入瑞士百达资产管理。此前，他曾担任量化业务策略Quest联席主管。

　　在加入瑞士百达之前，雷德玮在贝莱德（2009年之前为巴克莱全球投资）工作了22年，后来担任系统化主动股票（SAE）业务的欧洲、中东和非洲地区（EMEA）产品策略主管以及SAE ESG产品的首席产品策略师。

　　全球资本对中国市场兴趣回升

　　在雷德玮看来，AI量化策略已从发达市场起步，正系统性地拓展至新兴市场，A股也在计划版图之中。他直言：“目前，我们的AI量化策略产品尚未配置A股，主要因为其投资范围以MSCI World指数为跟踪标的，主要覆盖的是发达市场股票；但团队已在推进新兴市场版本，预计明年有望将部分A股纳入投资范围。目前在中国相关资产上，策略已少量参与港股；若新兴市场版本落地，A股将成为下一步的重要资产。”

　　基于对量化行业的观察，雷德玮表示：“目前全球资本对中国的兴趣正在回升。五到十年前，投资者对中国非常关注；随后有一段时间，部分投资者把注意力转向了其他市场。现在，一些投资者开始重新审视中国。”

　　雷德玮补充说，目前，瑞士百达资管通过QDLP面向境内投资者的额度已基本用尽，一旦获得更多配额，AI驱动策略可能成为“中国客户的重点候选”。这与他们在亚洲路演中观察到的趋势一致：区域内机构正在加速了解不同类型的AI量化方案，并将其纳入未来二至三年的资产配置考量。

　　至于AI模型能否适应中国市场环境，雷德玮说，团队用AI识别的“信号关系”在各国具有普遍性，团队在开发新兴市场版本时的回测亦显示这些关系可迁移至包括中国在内的新兴市场。换言之，机制通用性与本地化训练相结合，是该策略进入中国的基础。

　　谈到市场差异时，雷德玮表示，从已经开展的研究与开发来看，新兴市场的潜在超额收益似乎高于发达市场，但是在新兴市场的交易成本也更高，所以总体来讲，两个市场相对于基准的超额收益大致相近。

　　“海外投资者普遍的观念是，相较于发达市场，新兴市场往往不那么由基本面驱动，在某些情况下更容易受到情绪驱动。不过，我们在训练模型和测试时发现，在新兴市场同时纳入全部信号——不仅仅是情绪和价格信号，还包括基本面信号——得到的结果更好，说明在新兴市场中加入基本面信号能提升模型表现。”雷德玮说。

　　“当然，即便用同一套信号分别训练发达市场与新兴市场模型，模型识别到的信号关系也不会完全相同。一部分是跨区域通用关系，另一部分是各自市场的特有关系；各地区信号的重要性也会不同。”雷德玮表示，“好在这些差异可由机器学习自动捕捉，无需我们人为设定。”

　　借助机器学习识别复杂关系

　　回答文章开头的问题，AI量化模型能够就“分析师上调股票评级是否真的会推动股价上涨”进行研究，这是一个非常具有代表性的AI应用场景。

　　雷德玮告诉中国证券报记者，传统量化会先验证“分析师上调或下调股票评级”与其后股价表现的历史关系，通常做法是买入上调、卖出下调。但如果借助机器学习，把“分析师评级信号”与其他协同信号一起建模，命中率还能进一步提升。一个最直观的协同信号就是日历信息：这只股票距离财报发布是否在5天之内？如果临近财报（在5天之内），模型会“忽略”评级上调；若距离财报较远（超过5天），则会“跟随”评级上调。

　　“类似这样，从我们使用的约400个特征或信号中，AI能学习到成千上万种数据间的条件关系，对信号进行条件化筛选，从而使组合后的预测力显著强于单独使用某一个信号。”雷德玮表示。

　　据介绍，与传统量化常用约20个公司层面信号不同，瑞士百达资管的AI量化策略关注约400个高频信号，再交由机器学习去挖掘这些信号之间的非线性关系与相互作用。AI量化模型训练时既关注财报等基本面信息，也关注股价、分析师报告、投资者仓位等数据，同时在组合构建上尽量保持对价值、动量、规模、质量等传统风格因子的中性暴露，不会对单一风格因子（如动量）做过多暴露。

　　雷德玮介绍，这400个信号全部由研究员人工构建，AI并不“发明信号”。“我们用经过专家研究、具备经济学依据的信号来训练模型。”他表示，“确实有些基金管理人会直接用原始数据让AI模型自己去找信号特征，但我们更偏好使用可溯源、可论证的信号作为输入，然后让AI量化模型去学习信号与信号之间的关系。”

　　至于这些信号关系的可解释性，雷德玮坦言：“如果把这些关系逐一摊开，人类也许只能对大约10%给出清晰的解释；绝大多数关系对人来说并不容易理解和阐释。这也正是我们必须借助机器学习来识别这些复杂关系的原因。”

　　打造特色化AI量化投资策略

　　近年来，AI量化投资赛道参与者与日俱增。与同业相比，瑞士百达资管的AI量化策略有何差异化？

　　对此，雷德玮表示：“首先是持有期设定，市场上许多AI量化策略更偏向1天、2天或5天的超短持仓周期，但瑞士百达资管专注约20天持有期，这是我们与同业的一大不同。超短线交易通常对市场流动性要求更高，但对我们来讲，并没有那么重要。其次，我们用更传统的数据来训练模型，使训练能够覆盖更长的历史周期。很多同行更多依赖历史较短的‘另类数据’，不得不在更短样本期进行训练。此外，我们强调因子中性，即在动量、价值、成长、规模等风格上保持均衡和独立，不对单一风格做过多暴露。”

　　如何避免AI量化模型出现过度拟合？这也是量化行业面临的共同课题。过度拟合，即量化模型在历史数据（训练数据）上表现出色，但在未见过的数据（实盘交易）上却表现不佳。

　　“我们对过度拟合风险非常重视，主要通过三个方法来规避。”雷德玮表示，“一是给AI量化模型输入具有经济学依据或经济上合理的信号，而不是让模型从原始数据里自己寻找特征信号；二是采用成千上万个简单模型进行集成训练，而不去押注那少数看上去‘准确率很高’的模型，后者反而更容易导致过度拟合；三是用15年的数据来训练模型，使用一种交叉验证的方法，也就是先用随机选择的12年数据训练，然后用另外3年的数据来验证，这是一种机器学习的训练方法，有助于降低过度拟合的风险。”

　　值得一提的是，随着AI在量化领域的兴起，基金经理的角色正在改变。当被问及基金经理是否会被AI取代时，雷德玮回应称：“基金经理的职能会发生一定变化。”

　　他解释称：“在传统量化策略中，基金经理或研究员负责研究因子（信号）、组合这些因子、搭建模型并进行回测与检验。在AI辅助下，这些基金经理要做的是设计因子，然后训练AI量化模型、检验模型、执行策略。也就是说，他们不再搭建模型，而是转变为训练模型；但他们仍需开展因子研究，为模型提供训练素材；仍需审阅模型输出；还要负责投资组合的建构。所以，无论是传统量化策略还是AI量化策略，我们配置的基金经理人数是一样的，只是职能有一些变化。”

（文章来源：中国证券报）

(原标题：瑞士百达资管雷德玮：AI驱动量化投资进入2.0时代)

(责任编辑：43)