ChatGPT在量化投资领域的应用
近日，灵均投资首席投资官马志宇在2023全球大资管与量化投资论坛上，分享了对量化投资领域的人工智能应用等方面的观点。
随着量化参与市场 中国市场变得越来越有效
问：请给大家介绍一下，量化目前发展到一个什么样的程度？
马志宇：灵均成立于2014年，专注于量化行业。我们的主要投资范围是国内市场，包括股票、期货等。像我们这样的量化管理人可能受益于几个因素。
首先，技术发展正处于一个相对成熟的阶段，特别是机器学习等技术，非常适合中国市场的投资，它的投资方法论与中国市场非常匹配。正好我们赶上了这个阶段，能够快速应用这些前沿技术于我们的量化投资中。
另外，我们也受益于国内财富管理行业的不断发展。尽管最近一两年市场处于偏熊市的阶段，但从2017年到2021年，量化投资实际上经历了非常高速的发展。这应该归功于整个财富管理行业的大趋势。对于量化投资的价值，从我们自身参与这个市场的感受来讲，我个人的理解是，随着量化行业规模不断增加，基于市场定价错误的盈利变得越来越难获得。我们看到，各类股票标的的波动也在下降。当出现新的信息来源时，市场会迅速调整到一个新的均衡状态，这一时间越来越短。总的来说，随着量化参与中国市场的不断加深，中国市场变得越来越有效。有效的市场对资产配置肯定有正向作用。此外，对于投资者来说，量化投资这种产品提供了更多基于不同收益风险的选择，可以优化投资者的投资效益。
第三点，量化投资对市场起到一定的稳定器的作用。一般来说，股票类型的策略，无论是中性策略还是指数增强策略，在股票端都是满仓运营。无论市场是暴涨暴跌的行情，投资本身的仓位稳定性非常好，从而在一定程度上对市场起到稳定作用。这些都是对市场的正向价值。在2021年，我们感受到量化的发展已经达到一定规模，受到了社会和监管的关注，今年也推出了类似于程序化规范等方面的政策。我们认为，这对于行业的健康发展非常重要。海外市场，比如美国，曾经出现过一些由程序化的异常，或由量化投资导致的市场极端风险事件。所以，及时出台相关政策和指引对于我们这个行业的进一步健康发展是非常有益的。
ChatGPT更多是作为一种强大的分析工具
问：类似ChatGPT一类的人工智能，未来是否能够替代量化进行交易呢？
马志宇：原先我们在量化里边说到人工智能，在之前更多的是指各种深度学习的算法。实际上大家都知道，这里面的应用已经是非常广泛了，尤其在中国市场的特点下，基本上一些比较优质的策略，背后可能都是深度学习的技术来支撑的。
那如果是ChatGPT 的话，前段时间 OpenAI 的开发者大会，它推出的 GPT-4 Turbo，这个确实是让人印象非常深刻。它不但展示了非常强大的结果生成的能力，而且计算速度也有了很大的提升。我们能看到，最近一两年，在大模型领域，进化迭代的速度是非常快的，它势必对很多行业，包括像金融投资行业，肯定都会产生很大的影响。而且现在来看，国内外不只是OpenAI，其实有蛮多的大模型出现。我们在使用，比如它的服务也好，或者说它的开源模型也好，都提供了很多的选择。应该说，ChatGPT 直接应用于当前的量化投资的话，已经有一些可以落地的场景了。比如说它的文本处理能力，在我们平时的工作中，比如要处理一个 PDF 的文本，或者说在一个长文本中要找到某些精确的信息的话，它的这种数据处理能力就很强大。它对于目标信息的定位，信息的抽取，再结构化输出这一系列操作的话，它就可以效率很高。我前几天也看到了一家券商的研报，事实上可能已经用这一类的技术，它就是通过 ChatGPT 提取了财报的财务附注，从附注里面精确地抓了一些信息，再做进一步的Alpha 策略。这已经展示出了一个相应的应用场景。
此外，我们也看到，ChatGPT通过海量数据的训练，它实际上已经体现出了一定的逻辑推理能力。我们投资的话，其实也是在找各种数据的关联，包括逻辑的链接，有的时候可能它这里面也能给我们产生一些提示。此外的话，ChatGPT 它是一个很智能的搜索引擎，作为信息查询平台来讲它也是非常有效。所以对我们平时投研的研究里，也会经常用它做一种查询。
量化一直在引入新科技，但它需要“人”的驾驭
问：未来有没有可能，有更好的这种所谓的数据的支撑，今天 ChatGPT 出来，是否意味着未来在这个行业当中人的功能越来越少了？
马志宇：至少就当前来看的话，我们把它更多理解成一个强大的分析工具，而不是把它作为一个人的替代。因为金融投资，它还是有它更复杂的一面。
首先，即便是从数据分析处理的角度来讲，ChatGPT 目前来看，他们这些模型都是基于自然语言处理的文本类型的模型，我们金融数据有大量的数据类型的信息，现在还没有看出来它对于不同数据暴露下的决策能力，是不是也远远超过之前的能力？
第二点的话，金融投资的决策，它除了分析以外，它还包括比如风险的管理，包括投资的偏好，包括交易执行，它是很多个环节。而且这里有一些，可能主观偏好的东西在，这也不是说当前这个模型它所有决策都能做。所以，它更像是更强大的一种工具。实际上量化投资，它一直在使用更强，或者最先进的科技工具来引入到这个过程中。从传统人工投资角度来讲，可能感觉到，你的投资已经越来越自动化了。但事实上，驾驭这些工具的话，实际上是需要更高知识，或者说更高能力的量化研究人员才能够驾驭。并不是说这些工具自动地就把人替代了，我想还不会。
问：如果从招这类人才的角度，你会考虑什么？
马志宇：量化人才是这个行业竞争的关键，我们一直将量化人才作为重点投入和竞争的方向。实际上我们通常将人才分为两种类型。一种是具有行业内经验的人员，例如我们从海外顶级量化对冲基金引进的人才，或者国内同行间的人才流动。这一类主要是考察他们的行业知识。另一方面，从学生时代来看，我想分享一些朴实的想法。
首先，要有扎实的专业知识。由于这个行业的技术化背景要求，我们需要具备扎实的统计、机器学习、计算机编程以及金融知识等背景，将这些知识牢固掌握是非常有必要的。
其次，我认为优秀的研究能力和创造力也非常重要。在量化行业，投资策略的研究往往不会被大规模公开讨论。虽然可以获得一些学术文献和公司平台的帮助，但真正有价值的资源还是需要靠自己的能力去创造。很多时候可能也是在重复地造轮子，但这正是这个行业的特点，因此更看重个人的研究力和创造力。
第三点，是关于人才容纳量的问题。无论是海外还是国内，这个行业的人才容纳量并不大。除了对拔尖人才的需求外，我们还特别关注候选人是否有充分明确的规划和热情。比如，如果一个学生愿意来我们这里实习甚至长期实习，那肯定是一个很好的加分项。因为长期实习不仅能让你得到有效的提升，同时公司也会对你进行全方位的考察。这本身就是一个证明，说明你确实想在这个行业里发展并且有热情。所以，如果我们面前有两个候选人，他们的数学成绩、计算机能力等方面都一模一样，但其中一个人有明确的规划和热情，并已经向我们证明了这一点，毫无疑问我们会选择这个人。
