北大经院《对话投资总监》系列讲座（二十一）| 奚瓅：量化投资——从线性模型、深度学习到AI技术应用

奚瓅从量化私募投研人员的视角，讨论了线性模型、机器学习以及AI技术在量化投资实践中的应用，并探讨了不同投资模型的基本原理、模型框架、发展方向以及业界实践应用。

奚瓅表示，在量化投资领域，对新闻数据的分析已经是一个重要部分。从早期的手动处理到利用大型语言模型进行自动化分析，技术的进步极大地提高了信息抽取的效率和准确性。这些模型不仅能识别关键词和情感倾向，还能通过不断的数据更新，逐步形成对股票或市场趋势的深入理解。此外，通过定期和实时的新闻摘要生成，可以有效捕捉到市场的最新动态，从而为投资决策提供有力支持。

奚瓅讨论了因子分析在市场预测中的重要性以及数据处理方法，提出因子分析能够有效抽取市场数据中的有用信息，减少数据量同时提高预测效率；而直接使用未处理的原始市场数据则可能导致的信息含量降低和效率问题。

在因子构建方面，奚瓅讨论了从市场不同信息流中抽取特定特征进行因子构建的方法，通过预处理、特征保留以及特质预测等多层处理步骤，介绍了如何从信息流中抽取特征信息，以及如何通过计算相似度来找到隐藏的概念。此外，他还提到了使用遗传算法进行策略优化的灵活性和局限性。

奚瓅强调了在金融领域，传统方法与人工智能（AI）技术相结合的重要性。传统方法，基于对经济、金融的理解，虽易于理解且能相互印证理论，但效率低且覆盖面有限。AI虽高效但理论基础薄弱，可能导致较高风险。通过结合双方优势，利用AI辅助逻辑处理和理解，以及通过定制化的AI对话，提升决策质量。他还强调了知识库的重要性以及如何利用自然语言处理技术优化AI的理解和应用。

对于策略信号的衰减问题，奚瓅介绍了动态处理信息衰减的方法，通过动态权重调整来提升预测的准确性。在考虑信息的衰减速度不同时，引入了信息分析系数和相邻信息的相关性分析，以适应不同情况下的数据处理需求。此外，他还讨论了如何使用更先进的技术，如大语言模型，来更有效地处理信息衰减问题，提高预测模型的性能。

在问答环节, 奚瓅与参会师生就极端市场行情，量化投资与监管，量化模型在预测标签、收益率、波动率等方面的差异，期货和股票的区别等问题进行了深入探讨。

奚瓅，北京大学基础数学学士、硕士，中国科学院信息安全博士。2015年加入九坤投资，历任量化研究员，基金经理，合伙人。在股票量化投资因子挖掘，信号组合，投资组合构建等方面有深入研究。

九坤投资的内核定位是一家以量化挖掘规律，还原价值的科技公司，目前资产管理规模超过650亿人民币，连续6年荣获金牛奖。2012年公司率先在国内金融市场应用以大数据为基础，数学算法为支撑，依靠技术驱动的科学投资方式。经过十余年发展，九坤已成长为一家立足中国面向全球的量化对冲基金，致力于将前沿研究和技术与金融投资结合，为投资人创造长期稳健的投资价值。

北京大学金融工程实验室是依托北京大学经济学院搭建的研究和教学平台，致力于推动量化投资、金融工程、大数据金融以及金融科技方面的学术研究与实践应用，实现学术界与金融业界良好的互动交流。

实验室聚焦于运用数学建模、统计分析、计算金融、大数据以及机器学习方法进行量化金融的研究，以数理化方法探讨金融市场的规律。实验室的目标不仅仅是推动金融工程等学术领域的前沿研究，同时也推动量化金融技术在教学、投资实践、金融监管以及金融政策等方面的实际应用。实验室课题研究包括：量化基本面、金融科技及AI、市场交易行为、高频数据、风险预警与管理。