引入AI模型！基金经理积极拥抱AI，能否为基民赚钱？

越来越多基金经理在策略中引入AI（人工智能）模型。

DeepSeek持续火爆出圈，AI发展如火如荼，已经成为各个领域不可忽视的力量，也引发公募机构争相布局。

不少公募机构纷纷宣布，在投研领域已经部署了包括DeepSeek在内的多款开源模型。在公募基金投研层面，它不仅改变基金经理投资决策的方式，也能为普通投资者提供新的投资工具。

不过，对于投资者而言，最为关切的还是自身利益，AI能否让基金业绩表现更好？

券商中国记者调查显示，公募基金经理尤其是量化基金经理对AI用于投研实践的热情更为高涨，他们希望通过对AI的应用为投资者提供跑赢市场的更多超额收益。

AI加持基金业绩跑赢市场

券商中国记者调查研究发现，目前公募基金中对AI的应用更为迫切的是量化投资基金经理，这些基金经理主要管理着主动量化基金和指数增强基金。一些基金经理告诉记者，早早就开始了研究如何将AI应用于投资，并依赖其产生跑赢市场的超额收益。

具体到业绩层面，汇添富国证2000指数增强A、安信量化精选沪深300指数增强基金和海富通沪深300指数增强基金等运用AI的指数增强基金超额收益在同类型产品中位居前列。

从近一年行情来看，指数增强基金层面，在跟踪规模最大的沪深300指数增强基金中，安信量化精选沪深300指数增强基金和海富通沪深300指数增强基金则是超额收益前二的产品，超额收益分别为15.55%和8.77%。

安信量化精选沪深300指数增强基金经理施荣盛介绍，其在2023年8月24日任职管理该基金时，就开始100%使用机器学习和深度学习等模型。他希望依靠概率优势和大数定律去获得证券市场错误定价的收益，从而提高市场的有效性。

海富通沪深300增强主要运用了AI选股模型，核心策略为深度学习多因子打分，主要通过树模型和RNN模型相结合来捕捉非线性信息；卫星策略则包括事件驱动、行业轮动等。

汇添富国证2000指数增强A近一年实现58.83%的正收益，超额收益高达28.5%，是指数增强基金中超额收益最高的产品。据基金经理介绍，基金采用量化指数增强的方式运作，具体操作上，采用多因子模型和AI量化选股相结合的方式评价个股。

主动量化基金方面，博时ESG量化选股、招商量化精选、博道成长智航A等多只量化基金近期净值创成立以来新高。A股市场活跃度明显改善，为量化投资提供良好土壤，AI在量化投资中扮演重要角色。

AI扩展量化投资的边界

过去半年的时间里，随着AI技术的不断突破，不少基金经理体会越来越深刻和震惊，在投研层面，量化基金经理更为积极拥抱AI。

AI正在不断扩张量化投资的边界。

海富通沪深300指数增强基金经理林立禾表示，面对快速变化的市场，AI量化模型或有更具高效性、全局性的投资分析能力，会根据市场风格自我学习调整，自适应能力强，能够在市场出现新的趋势或信息时快速作出反应。自2023年5月底起，海富通沪深300增强便在量化选股策略中运用AI选股模型，如机器学习、自然语言处理等多种技术，并取得了一定的效果。

泓德基金基金经理李子昂曾表示，通过AI可以挖掘超大量数据里所谓的非线性、非显性因子Alpha。

随着DeepSeek的火爆出圈，更是坚定了基金经理探索AI在投资领域应用的信心。

“大语言模型等将大大地扩展量化投资的边界。”施荣盛认为DeepSeek等AI技术在量化投资领域，将体现许多方面的优势。在2024年8月上旬，DeepSeek采用硬盘缓存技术大幅削减API使用成本时，施荣盛就开始充值使用DeepSeek的API进行研究工作，主要包括：提高编程效率、加速机器学习模型的学习与开发、拓展另类因子的挖掘等方面。目前，他主要学习和探索的方向是量化投资中AI智能体Agent的应用。

现实中，将AI应用于投资策略中存在着诸多不确定性，在量化投资中并非一蹴而就，对数据低信噪比、不满足平稳性等问题，大到算法选择，中到超参数调优，小到变量预处理，每一个决策都会影响AI在量化投资中的应用效果。

重塑投研流程框架

公募探索AI在金融领域的应用一直处于时代前沿，伴随DeepSeek等AI技术的爆发和成熟，不少基金公司对投研流程进行升级迭代。

2024年初，博时基金就经过反复调研，发现了DeepSeek模型在自动编写代码和逻辑推理方面的潜力，率先在自有的昇腾服务器上部署了DeepSeek-v1模型，作为公司智能开发工具的基座模型，并在2024年8月升级为DeepSeek-v2模型。2025年伊始，随着DeepSeek-R1模型的发布，博时基金迅速完成内部部署，并开始探索它在投资研究、投资顾问服务和软件开发等方面的应用。

永赢基金透露，DeepSeek已经在基金行业的多个核心业务场景中发挥重要作用，例如，在投资研究领域，DeepSeek能够快速解析大量研究报告，提取关键信息，帮助研究员节省时间并提高研究效率。

除了提升投研流程效率，AI对基金经理的投资框架的影响或更为深远和有意义。

无论是指数增强基金还是主动量化基金，目前国内公募的量化投资主要还是以传统的线性多因子模型居多，一些量化基金所谓的策略甚至以基金经理主观意志为主，被认为是“人工量化”。

不过，随着拥有相关学科背景的人才陆续加入公募基金经理行列，以及AI技术的不断突破，公募基金量化团队实力持续提升。越来越多基金经理尝试对投资框架进行升级迭代，摆脱情绪波动对组合投资的负面影响。

入行初期，施荣盛表示，使用的也是传统的线性多因子模型，但是在实践过程中遇到诸多问题。比如，线性模型的理论基础是计量经济学，而计量经济学通常基于稀疏性假设，尽管稀疏性假设在计量经济学中的应用有其理论和实际的合理性，但在面对金融市场的复杂性时，这种假设往往与现实世界中的复杂关系不吻合。实践上，构建模型时为了确保模型的稳定性和解释能力，在组合因子时往往只能选择并纳入少量的关键因子，这样就使得有时在多因子模型中增加新因子变得异常困难。

结合理论与实践，施荣盛在2020年初将研究重心转到了机器学习方向。面对当下所处的高维数时代，以及机器学习在量化投资中获得成功应用的事实，施荣盛谈到，把当年做博士论文的钻研精神拿出来，踏踏实实地学习研究，不断地请教同行和其他领域的AI专家等。他表示，经过3年左右的探索，终于开发出一些适合公募基金投资的机器学习和深度学习的量化模型。

海富通沪深300增强的AI选股模型也完全取代了传统的线性模型，其核心优势在于信息提取能力更强，尤其是神经网络，其结构更加灵活。

汇添富国证2000指数增强基金经理表示，投资管理过程中尽量避免对组合持仓的直接干预，将投资观点和思想转化为规则化的量化投资策略，审慎地调整量化策略去间接调整组合持仓，以保证投资管理的可复制性，同时避免情绪波动对组合投资的负面影响。

校对：廖胜超