近期國內某主觀私募公開發聲，將用AI取代基金經理投資工作，引起業內較多關注。該私募稱，擬安排公司4位研究員，以及一個基于人工智能的機器人，獨立管理5只不同的私募基金。

【資料圖】

對于這則私募圈熱點新聞，多家受訪的百億私募人士卻普遍給出“偏謹慎”的分析和看法。

仍存在多個短板

在傳統股票主觀投資管理中，AI徹底取代基金經理，有哪些前提條件？目前面臨哪些難點？未來可能出現怎樣的取代進程？

針對上述問題，上海某百億級主觀多頭私募負責人向中國證券報記者表示，按照正常的投資決策流程，一只股票被基金經理決定買入前，普遍經歷深度研究、股價觀察、上市公司現場調研等多個重要環節。而在這些環節之后，也需要滿足相應條件才能進入投資決策流程和交易階段，并在建倉后仍需跟蹤股票進行倉位管理。“整體而言，大量的投研工作人工參與度都很高，很難由AI替代。”該私募人士稱。

此外，該私募人士同時指出，目前國內私募行業中AI參與度最高的投資方式無疑是量化策略，但即便如此，仍然需要專業人員對風控指標、持股權重等多個關鍵點，進行主觀或主觀與量化結合的設置，才能符合產品設計要求。

與此同時，多家百億私募的相關人士表示，在目前的私募行業規范下，“純AI管理基金”實際上存在明顯的合規漏洞。在現有法規框架下，基金經理作為基金投資的第一責任人，也是私募基金法律關系中不可或缺和嚴格規定的一環。

量化賽道已有應用

對于AI相關技術、模型在金融投資中的融合，多位頭部量化私募人士也普遍指出，多年以來，量化投資對于AI已經展開了較多深度應用。

寬德投資相關人士稱，從某種角度上看，“AI徹底取代基金經理”事實上是一個偽命題。一方面，在量化投資行業，一家合格的量化管理人應以投資結果為目標，而非過度關注是否“純AI化”。另一方面，量化投資本就屬于“人腦+電腦”的科學投資范式，隨著人工智能的不斷發展，人腦與AI的結合方式還會持續進化、豐富，朝著不斷優化投資效率的方向迭代。無論是以各類Copilot(微軟開發的Windows AI助手)為代表的輔助型生產力工具，還是使用“接近文本層面的AGI水準”大語言模型處理文本類型的另類數據，以及利用深度學習技術為代表的機器學習進行市場定價等，近年來AI在量化投資領域的場景化應用是全方面的。如生成交易信號、優化配置資產、風險度量、風險預測、動態風險控制等。從該機構自身的發展來看，公司也將持續擁抱新技術的應用，不斷融入量化框架的每個環節。

鳴石基金相關負責人介紹，在該機構“五環多核”量化流水線投研模式中，AI環節是重要一環，主要應用于信號構建以及因子挖掘。此外，AI技術還在公司的另類數據處理、交易決策等投研環節中均有涉及。隨著算力資源的不斷升級，未來AI在公司各環節的覆蓋度預計將持續增大。

定位“賦能”更顯科學

世紀前沿相關負責人表示，AI的蓬勃發展，極大地提高了量化投資的效率，它的生產力升級對于量化投資的發展大有裨益，相關“賦能”能夠讓研究的過程更加如魚得水。從根本上看，AI帶來的技術更新，正是量化投資整體系統工程優化中重要的部分。整體來看，量化投資是一個綜合性系統工程。雖然AI能夠有效提高投資效率，但不能和量化模型、量化策略直接劃等號。

作為一家以FOF策略為主的頭部管理人，萬豐友方副總經理張偉進一步表示，僅從技術角度而言，AI目前主要承擔投資“賦能”與“助推”的角色，作為獨立基金經理自主投資決策的條件并不成熟。投資本身并沒有放之四海而皆準的方法，如何找到“正確”的知識讓AI去自主學習是其中的難點。此外，張偉以該機構的實踐舉例稱，在FOF投資中的資產配置領域，公司多年前自研推出的資產配置管理系統，就運用了AI技術自動識別產品并生成產品特征，按照策略分析模型篩選出優秀管理人，并對不同產品進行“多維畫像”。

張偉認為，整體而言，FOF管理人既需要具備底層優秀投顧和策略的挖掘、甄別能力，也要有跟蹤判斷管理人投資和組合優化的能力，并且還需要在此之上形成自身的大類資產配置、風險定價、風控管理、投后管理能力。而在這些投資流程中，AI能夠起到強大的支持賦能作用。隨著大模型的興起和應用，AI在復雜數據和模型的處理、資產配置的優化和投資決策效率提高上，將有更多發揮空間。

標簽：