机器学习选股在海外公募量化发展分析报告.pdfVIP

权

益

量

化

研

究

2024年08月06日机器学习选股在海外公募量化发展

量如何？

化

策——申万宏源金工海外量化研究系列之六

略

⚫全球公募直接使用AI选股策略的产品较少，但机构多数重视AI应用。根据Invesco在

2023年进行的全球量化投资调查，被调查的机构90%以上都使用了因子投资的方法，而

证使用AI方法的机构也达到30%，其中亚太地区的比例更高；具体方法上，“机器学习挖因

券子”使用率最高，直接开发投资策略的情况在北美的使用更高，而文本分析虽然此前使用

研

究有限，但随着大模型的推出，投资者对其未来的应用更加看好。

报

告⚫头部公募量化平台对AI的应用：存在分歧，但都重视“人”的作用。贝莱德、高盛、

WisdomTree、Invesco等机构都关注AI的使用，但使用尺度不同，贝莱德、高盛借助公

司的算力资源自主搭建大模型，Invesco则尚未直接应用AI进行选股。

贝莱德：文本是最大的应用方向。基于Transformer架构自主训练模型，输入文本、输出

收益预测，将预测胜率提高到60%以上；此外也通过“主题机器人”赋能主动基金经理。

高盛：主要运用大模型来判断文本中的情绪观点，未来希望拓展到音频。

WisdomTree：与Voya合作开发AI价值策略，输入人工处理的基本面特征、输出选股

结果。

Invesco：仅将AI作为辅助分析工具，暂未直接用于选股。

⚫AI选股产品的策略与表现：综合端到端产品表现不佳，输入源为价量的产品表现优于基本

面，使用机器学习进行传统大类因子配置的框架表现也较为出色。目前将AI选股直接应用

于开发产品的机构的使用方式及结果主要如下：

1）基于不同维度数据的端到端模型：输入变量包括宏观、基本面、价量、文本等各维度

数据，直接输出股票组合，但未能体现持续超额收益能力，近两年对美国市场的适应情况

较差；

2）输入人工处理的特征后构建选股模型，且输入的特征带有一定风格偏向：偏基本面的

产品表现偏弱，偏价量（动量）的进攻性相对更强但超额波动也较大；

3）使用机器学习模型对可解释的大类因子进行配置：实际更像风格轮动产品，代表产品

QRFT近5年累计超额约28%，在同类产品中较为领先。

⚫风险提示及声明：本报告对于海外产品的研究分析基于公司、Bloomberg、Refinitiv公开

信息，本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐。

量化策略

目录

1.机器学习在海外公募平台的应用概览4

2