摘要：为探索相关议题，在“人工智能与全球投资生态对话”落地陆家嘴金融沙龙专场之际，陆家嘴金融沙龙第二十五期于7月25日顺利举办。AI并不凭空创造Alpha，管理Beta是核心竞争力
站在公募基金视角，南方基金数量化投资部基金经理许公磊分享了对国内量化投研与AI融合的见解。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。
陆家嘴金融沙龙第二十五期围绕大模型时代下的量化重构展开讨论，探讨AI在国内量化投资的应用现状及其延伸话题。
AI的应用大幅提升了量化投研的效率，但也引发了行业对策略同质性、人才价值等方面的思考。
为探索相关议题，在“人工智能与全球投资生态对话”落地陆家嘴金融沙龙专场之际，陆家嘴金融沙龙第二十五期于7月25日顺利举办。本期活动以《大模型时代下的量化重构》为主题，邀请行业内的相关专家，探讨AI在国内量化投资的应用现状及其延伸话题。
AI并不凭空创造Alpha，管理Beta是核心竞争力
站在公募基金视角，南方基金数量化投资部基金经理许公磊分享了对国内量化投研与AI融合的见解。
许公磊指出，近年来国内权益市场最大的变化是资金结构中机构端的崛起。2020年之前，国内机构的量化侧重因子逻辑；2020年之后，高频、Level-2、机器学习与深度学习广泛应用。同类型资金与策略的壮大，使得创业板等主流资产的波动率与换手率显著抬升。
在中证500、沪深300的选股领域或全市场选股范畴内，许公磊认为，无论是公募量化、私募量化还是主动选股经理，获取超额收益（Alpha）的难度显著加大。Alpha消亡速度加快，策略趋同导致微观结构波动加大，风险管理逐渐成为核心竞争力。
“AI和深度学习使因子衰减速率进一步加快。”许公磊表示，AI本质上是一场效率革命，而非凭空创造Alpha。
在许公磊看来，主观投资像“艺术家”，量化像“工程师”。AI解决了信息效率和市场经验融合的问题，使信息处理能力最大化。实践中，许公磊认为，AI在量化端的作用体现在模型与数据探索，在主动端则相当于全能助手，AI正引导主动与量化走向规则化投研和系统化投资。
许公磊进一步指出，人工挖掘单因子的方法已难以适应AI时代发展需求，AI极大地拓宽了投资宽度，但AI的损失函数、标签设计和伦理边界依然受人的价值观约束。
“市场不存在永恒的Alpha因子，一旦被过度挖掘，Alpha特征消亡，成为Smart Beta，主动投资的方法论与量化投资Smart Beta在底层收敛。”许公磊表示，Alpha正日益稀缺，Smart Beta是其平权产物，而管理Beta是机构投资者的核心竞争力。
AI时代投研人的核心价值在于Idea
华泰证券研究所策略首席兼金融工程首席研究员何康认为，AI时代投研人最核心的价值在于Idea。
何康介绍，其团队大量日常研究已被大模型赋能或替代，日常点评已实现半自动化到自动化，金融工程深度报告90%由大模型辅助完成。
在创新实践案例上，何康介绍，其团队构建了GPT因子工厂，可模拟量化研究员挖掘因子，提供运算符与字段提示符，生成非线性、脑洞更大的因子表达式；或阅读上市公司新闻舆情做二元判断，输送至下游量价神经网络，实现情绪分域量价建模；或精读卖方研报，提取“催化剂”与“言外之意”，提炼原始文本之外的超额信息。
另外，团队构建了包含策略协议、版本管理与样本隔离的自动化Skill，并在红利策略上迭代50次，成功实现验证集与测试集夏普比率的阶梯式提升。
“当前，从海量语料提炼个股短期事件逻辑，丰富事件驱动Alpha来源，是业内的前沿趋势。”何康表示。此外，他还介绍，国内头部私募已在仿真环境中与AI对手盘博弈数百万次，将Level-2订单流Token化，利用大模型生成未来价格路径进行蒙特卡罗模拟与对抗博弈。
何康认为，大模型降低了学习与编程门槛，未来具备工程化思维、能将基本面经验转化为精确定量指标的“超级个体”将加速涌现。
FOF组合应拥抱主观与量化多策略配置
站在FOF或配置的视角，博孚利资管总经理何阳阳分享了对近年各类策略演变的观察。
“目前，私募证券基金规模接近8万亿元，10%的机构占据绝大部分规模，呈显著马太效应。”何阳阳介绍，私募证券基金中量化股票策略占比升至31.2%，稳居股票类第一大品类；商品/CTA策略因流动性宽松快速增长；宏观策略占比也有所提升，纯债/转债规模则呈下行态势。
但2026年并非传统量化策略的大年。何阳阳指出，上半年股票市场呈现分化，个股波动率创出新高。持仓分散的传统量化超额艰难，持仓集中、低换手的策略反而跑出稳健超额。
对于商品市场与全天候策略，何阳阳观察到，商品在宏观、地缘与货币三重因素驱动下剧烈反转。全天候策略与传统CTA的相关性急速提高，原因在于大宗商品受强宏观因子统一映射，这也促使管理人纷纷拓宽多资产配置。
另类策略方面，何阳阳认为，“打板”事件驱动与贵金属套利表现亮眼；期权“空波动率”策略因日内高Gamma波幅压制了安全垫，对冲成本抬升。
何阳阳表示，FOF组合层面需要重视子策略相关性飙升问题，保留更多现金或防守仓位；保持战术配置灵活性，拥抱主观与量化多策略配置。
组织Alpha对量化机构而言更重要
人才是量化投研的稀缺资源，金融阶创始人何子修在主旨演讲中表示，量化行业最大的复杂性不在于算法，而在于算法背后人才之间的协同。
何子修认为，量化人才具备鲜明的“三高、两强、一低”职业特征，即高学历、高智商、高收入；个体能力强、确定性意识强；信任度低。人才的比较优势越突出，稀缺性越高，同时个体属性越强。
“当这批极度追求确定性与逻辑自洽的人才加入组织后，面临信任、分享、共事、协同、持续等五大挑战。”何子修指出，由于共享收益难以量化，不共享的短期成本更低，许多人宁愿重复“造轮子”也不愿分享。
“这将导致团队难以培养默契，核心人才频繁流动，人际防备心越来越重。创始人高处不胜寒，研究员陷入模型焦虑，HR夹在分红矛盾中间，大家都极其疲惫。”何子修进一步指出。
在何子修看来，过去行业竞争的是“优秀的个人（个人Alpha）”，而未来竞争的是“人才之间高质量协同的组织能力（组织Alpha）”。打造具备长期信任、长效机制与开放文化的组织，是比单纯招聘顶尖人才更稀缺的核心壁垒。
AI拓宽了探索空间，但验证工作需要人
在主题为《AI时代的阿尔法壁垒：消解还是衰减加速？》圆桌对话环节，与会嘉宾进一步讨论了AI在量化投研中的落地现状、Alpha衰减的应对、量化机构未来组织形态演进等议题。
某国际量化基金高级量化研究顾问张迪认为，AI当前主要用在研究流程的入口端，用于海量生成因子的Idea。后续的回测、信号增强与验证，并不能完全交给AI。AI辅助写代码、清洗数据已广泛应用，但编写代码并非量化独有。
“AI就像漏斗的宽口端，拓宽了探索空间，但漏斗下半部分必须依靠长期验证的工程经验快速收紧。”张迪表示。对于像GPT-5.6或Claude3.5/Opus级模型，虽然具备强端到端能力，但机构出于数据隐私与核心语料保护，绝不会将全流程托管给公有云大模型。
“碳基研究员使用千奇百怪的大模型、提示符、工作条件和本地环境，反而为系统引入了极其宝贵的多样性。”张迪指出，个人的经验与沉淀下来的工作流是极具价值的资产。大模型厂商极度渴望高质量语料，研究员应保护好自身的关键工作流与知识资产。另外，众包模式为非金融背景但有天赋的人提供了施展才华的土壤。
能否驾驭AI会拉大人与人之间的差距
涵德投资创始人顾小军认为，目前AI端到端发出的信号与人工/机器学习相比仍有差距，但已能越过最难的一步。
“AI带来的最大价值是保障了思维的连贯。”顾小军表示，过去研究员在20分钟思考与10分钟写代码之间反复切换，思维被割裂。现在，研究员写代码耗时基本趋近于零，可以连续一至两小时深度思考Idea，研究效率提升了5到10倍。
顾小军进一步指出，AI会拉大人与人之间的差距，能熟练驾驭AI的“超级个体”，一个人可以顶10个甚至50个人。过去部分策略靠行业红利就能赚钱，现在低效策略会被快速淘汰。内卷会加速市场出清，市场再平衡后又会产生新的Alpha机会。
顾小军预计，未来量化机构的终极形态可能是“多个微型团队（3-5人）+强力AI Agent支撑”的矩阵。培养人才的方式也从单纯看回测，变为给少量资金让研究员去市场实操，在合理风险下锻炼对全流程的把控力。
量化私募的核心壁垒依然是顶级人才
“从Idea产生、代码编写、数据清洗到回测评估，每个环节都有AI深度参与，研究周期大幅压缩。”因诺资产合伙人、Alpha策略投资总监沈星尧表示，“我们正在探索如何将这些环节拼接连贯，全力开发端到端系统。”
沈星尧指出，AI提高了因子研发效率，但也加剧了同行间的策略趋同。AI只是工具，研究员必须先抽象出高级业务问题，再交由AI解决。保留个人的主观思考成分、不断迭代核心Idea，才能在同质化中脱颖而出。
沈星尧认为，量化私募的核心壁垒依然是顶级人才。头部私募可获取同等规模股票数据与算力资源，市面数据源也基本同质，但研究员与基金经理能否挖掘新方向、总结新数据、设计新架构存在差异。公司需要升级人才培养体系与IT基础设施，支持研究员更好地与AI交互。
本期“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处和宽邦科技联合主办，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
站在公募基金视角，南方基金数量化投资部基金经理许公磊分享了对国内量化投研与AI融合的见解。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。
陆家嘴金融沙龙第二十五期围绕大模型时代下的量化重构展开讨论，探讨AI在国内量化投资的应用现状及其延伸话题。
AI的应用大幅提升了量化投研的效率，但也引发了行业对策略同质性、人才价值等方面的思考。
为探索相关议题，在“人工智能与全球投资生态对话”落地陆家嘴金融沙龙专场之际，陆家嘴金融沙龙第二十五期于7月25日顺利举办。本期活动以《大模型时代下的量化重构》为主题，邀请行业内的相关专家，探讨AI在国内量化投资的应用现状及其延伸话题。
AI并不凭空创造Alpha，管理Beta是核心竞争力
站在公募基金视角，南方基金数量化投资部基金经理许公磊分享了对国内量化投研与AI融合的见解。
许公磊指出，近年来国内权益市场最大的变化是资金结构中机构端的崛起。2020年之前，国内机构的量化侧重因子逻辑；2020年之后，高频、Level-2、机器学习与深度学习广泛应用。同类型资金与策略的壮大，使得创业板等主流资产的波动率与换手率显著抬升。
在中证500、沪深300的选股领域或全市场选股范畴内，许公磊认为，无论是公募量化、私募量化还是主动选股经理，获取超额收益（Alpha）的难度显著加大。Alpha消亡速度加快，策略趋同导致微观结构波动加大，风险管理逐渐成为核心竞争力。
“AI和深度学习使因子衰减速率进一步加快。”许公磊表示，AI本质上是一场效率革命，而非凭空创造Alpha。
在许公磊看来，主观投资像“艺术家”，量化像“工程师”。AI解决了信息效率和市场经验融合的问题，使信息处理能力最大化。实践中，许公磊认为，AI在量化端的作用体现在模型与数据探索，在主动端则相当于全能助手，AI正引导主动与量化走向规则化投研和系统化投资。
许公磊进一步指出，人工挖掘单因子的方法已难以适应AI时代发展需求，AI极大地拓宽了投资宽度，但AI的损失函数、标签设计和伦理边界依然受人的价值观约束。
“市场不存在永恒的Alpha因子，一旦被过度挖掘，Alpha特征消亡，成为Smart Beta，主动投资的方法论与量化投资Smart Beta在底层收敛。”许公磊表示，Alpha正日益稀缺，Smart Beta是其平权产物，而管理Beta是机构投资者的核心竞争力。
AI时代投研人的核心价值在于Idea
华泰证券研究所策略首席兼金融工程首席研究员何康认为，AI时代投研人最核心的价值在于Idea。
何康介绍，其团队大量日常研究已被大模型赋能或替代，日常点评已实现半自动化到自动化，金融工程深度报告90%由大模型辅助完成。
在创新实践案例上，何康介绍，其团队构建了GPT因子工厂，可模拟量化研究员挖掘因子，提供运算符与字段提示符，生成非线性、脑洞更大的因子表达式；或阅读上市公司新闻舆情做二元判断，输送至下游量价神经网络，实现情绪分域量价建模；或精读卖方研报，提取“催化剂”与“言外之意”，提炼原始文本之外的超额信息。
另外，团队构建了包含策略协议、版本管理与样本隔离的自动化Skill，并在红利策略上迭代50次，成功实现验证集与测试集夏普比率的阶梯式提升。
“当前，从海量语料提炼个股短期事件逻辑，丰富事件驱动Alpha来源，是业内的前沿趋势。”何康表示。此外，他还介绍，国内头部私募已在仿真环境中与AI对手盘博弈数百万次，将Level-2订单流Token化，利用大模型生成未来价格路径进行蒙特卡罗模拟与对抗博弈。
何康认为，大模型降低了学习与编程门槛，未来具备工程化思维、能将基本面经验转化为精确定量指标的“超级个体”将加速涌现。
FOF组合应拥抱主观与量化多策略配置
站在FOF或配置的视角，博孚利资管总经理何阳阳分享了对近年各类策略演变的观察。
“目前，私募证券基金规模接近8万亿元，10%的机构占据绝大部分规模，呈显著马太效应。”何阳阳介绍，私募证券基金中量化股票策略占比升至31.2%，稳居股票类第一大品类；商品/CTA策略因流动性宽松快速增长；宏观策略占比也有所提升，纯债/转债规模则呈下行态势。
但2026年并非传统量化策略的大年。何阳阳指出，上半年股票市场呈现分化，个股波动率创出新高。持仓分散的传统量化超额艰难，持仓集中、低换手的策略反而跑出稳健超额。
对于商品市场与全天候策略，何阳阳观察到，商品在宏观、地缘与货币三重因素驱动下剧烈反转。全天候策略与传统CTA的相关性急速提高，原因在于大宗商品受强宏观因子统一映射，这也促使管理人纷纷拓宽多资产配置。
另类策略方面，何阳阳认为，“打板”事件驱动与贵金属套利表现亮眼；期权“空波动率”策略因日内高Gamma波幅压制了安全垫，对冲成本抬升。
何阳阳表示，FOF组合层面需要重视子策略相关性飙升问题，保留更多现金或防守仓位；保持战术配置灵活性，拥抱主观与量化多策略配置。
组织Alpha对量化机构而言更重要
人才是量化投研的稀缺资源，金融阶创始人何子修在主旨演讲中表示，量化行业最大的复杂性不在于算法，而在于算法背后人才之间的协同。
何子修认为，量化人才具备鲜明的“三高、两强、一低”职业特征，即高学历、高智商、高收入；个体能力强、确定性意识强；信任度低。人才的比较优势越突出，稀缺性越高，同时个体属性越强。
“当这批极度追求确定性与逻辑自洽的人才加入组织后，面临信任、分享、共事、协同、持续等五大挑战。”何子修指出，由于共享收益难以量化，不共享的短期成本更低，许多人宁愿重复“造轮子”也不愿分享。
“这将导致团队难以培养默契，核心人才频繁流动，人际防备心越来越重。创始人高处不胜寒，研究员陷入模型焦虑，HR夹在分红矛盾中间，大家都极其疲惫。”何子修进一步指出。
在何子修看来，过去行业竞争的是“优秀的个人（个人Alpha）”，而未来竞争的是“人才之间高质量协同的组织能力（组织Alpha）”。打造具备长期信任、长效机制与开放文化的组织，是比单纯招聘顶尖人才更稀缺的核心壁垒。
AI拓宽了探索空间，但验证工作需要人
在主题为《AI时代的阿尔法壁垒：消解还是衰减加速？》圆桌对话环节，与会嘉宾进一步讨论了AI在量化投研中的落地现状、Alpha衰减的应对、量化机构未来组织形态演进等议题。
某国际量化基金高级量化研究顾问张迪认为，AI当前主要用在研究流程的入口端，用于海量生成因子的Idea。后续的回测、信号增强与验证，并不能完全交给AI。AI辅助写代码、清洗数据已广泛应用，但编写代码并非量化独有。
“AI就像漏斗的宽口端，拓宽了探索空间，但漏斗下半部分必须依靠长期验证的工程经验快速收紧。”张迪表示。对于像GPT-5.6或Claude3.5/Opus级模型，虽然具备强端到端能力，但机构出于数据隐私与核心语料保护，绝不会将全流程托管给公有云大模型。
“碳基研究员使用千奇百怪的大模型、提示符、工作条件和本地环境，反而为系统引入了极其宝贵的多样性。”张迪指出，个人的经验与沉淀下来的工作流是极具价值的资产。大模型厂商极度渴望高质量语料，研究员应保护好自身的关键工作流与知识资产。另外，众包模式为非金融背景但有天赋的人提供了施展才华的土壤。
能否驾驭AI会拉大人与人之间的差距
涵德投资创始人顾小军认为，目前AI端到端发出的信号与人工/机器学习相比仍有差距，但已能越过最难的一步。
“AI带来的最大价值是保障了思维的连贯。”顾小军表示，过去研究员在20分钟思考与10分钟写代码之间反复切换，思维被割裂。现在，研究员写代码耗时基本趋近于零，可以连续一至两小时深度思考Idea，研究效率提升了5到10倍。
顾小军进一步指出，AI会拉大人与人之间的差距，能熟练驾驭AI的“超级个体”，一个人可以顶10个甚至50个人。过去部分策略靠行业红利就能赚钱，现在低效策略会被快速淘汰。内卷会加速市场出清，市场再平衡后又会产生新的Alpha机会。
顾小军预计，未来量化机构的终极形态可能是“多个微型团队（3-5人）+强力AI Agent支撑”的矩阵。培养人才的方式也从单纯看回测，变为给少量资金让研究员去市场实操，在合理风险下锻炼对全流程的把控力。
量化私募的核心壁垒依然是顶级人才
“从Idea产生、代码编写、数据清洗到回测评估，每个环节都有AI深度参与，研究周期大幅压缩。”因诺资产合伙人、Alpha策略投资总监沈星尧表示，“我们正在探索如何将这些环节拼接连贯，全力开发端到端系统。”
沈星尧指出，AI提高了因子研发效率，但也加剧了同行间的策略趋同。AI只是工具，研究员必须先抽象出高级业务问题，再交由AI解决。保留个人的主观思考成分、不断迭代核心Idea，才能在同质化中脱颖而出。
沈星尧认为，量化私募的核心壁垒依然是顶级人才。头部私募可获取同等规模股票数据与算力资源，市面数据源也基本同质，但研究员与基金经理能否挖掘新方向、总结新数据、设计新架构存在差异。公司需要升级人才培养体系与IT基础设施，支持研究员更好地与AI交互。
本期“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处和宽邦科技联合主办，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。