随着AIGC(人工智能生产内容)等新技术逐步推进，量化基金赛道备受市场关注，也引发了人工智能会不会导致明星基金经理能力平庸化的讨论。

当AlphaGo屡次击败人类职业围棋冠军选手后，有关明星基金经理或被人工智能替代的讨论就从未停歇，而随着AIGC等新技术的推进，公募基金公司突然意识到低成本获取明星业绩的可能，以及通过人工智能加持的量化技术来降低对明星基金经理的依赖。与此同时，明星基金经理的人脑选股与量化技术互相融合产生的选股效果，也有可能使得拥有科技能力的公募基金平台拥有更高的黏性。

量化基金经理的一天：

做研究写模型

每个交易日，量化基金经理的起床时间可能都比其他人更早一些。

2月17日上午7点30分，南方基金量化基金经理解锐就开始干活了，这个时候的他更像一位科技公司的IT工程师，他需要先检查一些系统，包括数据、因子、策略等多个模块的更新情况，如果出现异常，需要及时修复以免影响当天交易。

做完这些事前准备，在上午8点30分，解锐和他的南方基金公司量化团队就要开始内部晨会交流。9点15分，还需要做盘前准备，检查策略模型生成当天的交易列表。

市场开盘后，如果当天有交易需求，解锐会从开盘开始逐步交易。同时，因为量化研究需要大量写代码、跑代码、分析结果，所以盘中的时间也会进行研究工作。此外，他也会观察行情变化，从中可能会产生一些研究方向的灵感。

收盘不是全部工作的结束，收盘后的3个小时内可能会参加券商的内部路演，晚饭后还要进行当天行情的复盘。事实上，作为量化基金经理，“下班”后的工作可能更为繁重。“尤其会把一些运算量大的研究放在晚上进行，在睡前要调试完代码并且开始运行，这样可以在第二天进行结果分析。”解锐告诉记者。

鹏华基金量化及衍生品投资部总经理苏俊杰也向记者强调，每一个交易日开盘前都必须检查一下夜间程序关于数据及因子的更新情况，同时确认量化模型输出的相关信号，来决定当日组合的交易及调仓。开盘之后，他会下达交易指令，同时持续跟踪市场行情以及投资组合的实时表现，确保组合相对于市场的表现符合预期，并在需要时及时调整组合的权重和配置。如果市场发生重大变化或者模型出现异常，也需要在第一时间采取行动，以尽力避免投资组合出现损失，尽可能减少投资组合的风险。

“量化基金经理实质上大部分工作还是在做研究、写模型。”长城基金量化与指数投资部总经理雷俊表示，核心工作主要涵盖五项内容，包括清理数据、数学建模、写代码、调试代码、打包程序，几乎每一个交易日都是如此。

摆脱“顶流”依赖

公募纷纷布局量化产品

对基金公司来说，培养明星基金经理的成本变得越来越高，如果过度依赖明星基金经理，也可能带来客户和资金规模流失的风险，越来越多的基金公司将目光瞄向了成本较低且有AI技术加持的量化基金产品。

A股全面注册制的开启以及市场越来越多的股票，使得基金经理选股的难度变得更高。但对量化基金经理而言，这无疑是在股票市场的茫茫大海中发现了新大陆。一个值得关注的现象是，不仅大型公募愿意在量化产品人工智能、机器学习上舍得投入，缺乏明星基金经理资源的中小基金公司也希望通过成本相对较低的量化产品技术投入，实现非对称性竞争。证券时报记者注意到，包括创金合信基金、长城基金、大摩华鑫基金都在强化人工智能和量化基金的布局，而大型公募基金考虑到目前明星基金经理奔私潮以及对量化基金、人工智能技术强烈看好，也在不遗余力地加强产品布局。

“鹏华基金的量化基金很早便加入了AI的元素，通过机器学习等方式对海量数据进行挖掘，同时通过人工智能进行信息整合筛选等。”苏俊杰接受记者采访时指出，人工智能为公募基金打开了新世界，量化基金选股利用机器学习、自然语言处理、数据挖掘等技术对大量数据进行分析，以实现投资组合优化和风险控制，进而提高投资收益。这些技术可以通过自动化的方式，从大量数据中高效地挖掘出有效的信息，同时减少了人为干预的影响，提高了决策的准确性和效率。因此，在当前信息化快速发展的时代，量化基金的优势越来越明显。

博时量化多策略基金经理林景艺表示，AIGC技术可以有效提高量化投资的效率，主要体现在策略的数据处理和代码实现上，在博时基金将机器学习技术纳入到量化模型中，可以发现，对于大样本历史数据的分析，机器学习技术确实能提炼出很多在样本内表现卓越的因子和策略，但是其样本外的工作效果依然存在较大的不确定性。

“股票数量越来越多，但是人脑的思考深度和覆盖度是有限的，量化基金的人工智能技术可以弥补人脑思维的局限性。”长城基金雷俊接受记者采访时表示，在经过大量样本的训练后形成的选股逻辑，在深度上是人脑无法简单理解的。

因为具有人脑所不具备的机器学习优势，量化基金产品也比主动选股型基金产品更能适应市场的各种变化。

大摩量化配置混合基金经理王联欣强调，一般而言，量化基金相比于主动管理基金，持仓要分散许多，所以净值弹性相对有所欠缺。不