对冲基金怎么用 AI 做投资.pdfVIP

证券研究报告|2025年12月11日

AI赋能资产配置（三十一）

对冲基金怎么用AI做投资

策略研究·策略解读

证券分析师：王开021wangkai8@执证编码：S0980521030001

证券分析师：陈凯畅021chenkaichang@执证编码：S0980523090002

核心观点：

2024—2025年，全球对冲基金对人工智能的应用正在从局部工具化走向流程化重构。过去以结构化数据与

统计学习为主的量化框架，更多解决的是信号拟合与交易执行效率问题；新一轮升级的关键，在于把非结

构化信息处理、推理式研究、代码与回测工程化能力纳入同一条可迭代的投研链路，从而提升研究产能、

缩短策略迭代周期，并在合规与安全约束下形成可持续的组织能力。

从对冲基金头部机构实践看，行业呈现三条相对清晰的落地路径：其一是以ManGroup、Bridgewater为

代表的智能体驱动研究体系，试图把策略创意、实现与评估做成可规模化的闭环流程；其二是以Citadel、

Point72为代表的基本面投研增强体系，重点提升信息处理与研究覆盖效率，强化人类PM与分析师的判断

质量；其三是以Balyasny、Millennium为代表的平台化基础设施体系，通过统一数据、权限、检索、安

全与审计框架，向多团队交易组织输出通用能力底座。上述路径共同指向同一竞争要点：数据治理与私有

语境理解能力、工程化迭代机制、可解释与可审计体系，正在成为比单一模型性能更重要的护城河。

一、行业背景：从结构化预测走向推理与流程化迭代

传统的量化金融（Quant1.0和2.0）主要依赖于结构化数据（价格、成交量、财务报表）和统计模型（线

性回归、机器学习分类器）来寻找市场定价偏差。然而，这一模式面临着严重的“数据挖掘”风险和日益

拥挤的策略空间。进入2025年，随着以Transformer架构为核心的AI技术成熟，行业正在经历“Quant3.0”

的革命。

2024—2025年的变化来自三类能力模块的工程化成熟。第一，非结构化信息可被系统吸收并转化为可检验

假设，包括财报纪要、政策文本、供应链新闻与地缘事件等。第二，智能体工作流把研究流程拆分为角色

分工，通过多轮迭代完成假设提出、代码实现、回测评估与解释归因。第三，工程效率直接影响收益机会

捕捉速度，代码生成、测试与数据管道自动化使研发周期显著压缩，形成实际竞争优势。

二、行业分化：三条主流落地路线

1）全自动投研路径：以ManGroup和Bridgewater为代表，致力于构建能够独立提出假设、编写代码、

验证策略并解释经济原理的AI系统。

2）基本面投研增强：以Citadel和Point72为代表，将AI视为人类基金经理的助手，通过自动化信息处

理大幅提升基本面选股者的覆盖广度与深度。

3）平台化基础设施：以Balyasny和Millennium为代表，侧重于构建中心化的AI基础设施（如专有的

金融大模型嵌入、联邦代理架构），赋能旗下数百个独立的交易团队。

三、案例拆解

3.1ManGroup（英仕曼集团）

作为全球最大的上市对冲基金之一，ManGroup凭借其旗下的ManAHL实验室，一直是量化投资领域的

请务必阅读正文之后的免责声明及其项下所有内容1

若有侵权，请联系删除。公众号：趣享财经

证券研究报告

先驱。在生成式AI时代，通过“AlphaGPT”项目，试图解决量化投资中策略创意的生成问题。AlphaGPT

不仅仅是一个聊天机器人，它是一个由多个专用AI智能体组成的复杂系统，模拟了人类量化研究团队的

分工协作模式。ManGroup对AlphaGPT进行了严格的实证检验，将其产出与初级人类量化研究员的工作

进行了对比。在GPT-4作为裁判的盲测中，AlphaGPT生成的Alpha因子在代码质量和逻辑完备性上获得

了8.16分的平均分，而人类研究员仅为6.81分；AlphaGPT的胜率高达86.60%。此外，ManGroup发现，

单次生成的Alpha