热点访谈|金工首席分析师高智威—ChatGPT赋能量化投资
（以下内容从国金证券《热点访谈|金工首席分析师高智威—ChatGPT赋能量化投资》研报附件原文摘录）
在当今快速发展的金融行业中，科技的崛起为市场参与者带来了前所未有的机遇与挑战；随着人工智能技术的飞速发展，我们已经进入了一个新的时代，其中ChatGPT作为一个跨时代的沟通工具，自问世以来，便掀起了一场科技革命，在全球赚足眼光，更引发了资本市场的极大关注。 ChatGPT如何赋能量化投资? 如何利用它帮助投资者更好地进行市场决策? 对此，我们邀请了国金证券金工首席分析师高智威，分享他对ChatGPT在投资领域的见解和经验，探讨ChatGPT在金融领域的应用和影响。 以下为采访全文： 1. 近三年量化市场发展格局，以及目前的行业发展态势是怎样的？近期是否出现了一些积极的变化？ 近三年国内量化投资行业整体呈现稳中向好的发展趋势，量化私募蓬勃发展，管理规模得到大幅提升。公募基金的量化投资也在不断迭代发展，最开始公募基金量化主要以基本面因子作为选股的主要手段，然而近两年很多基本面因子出现风格化的特征，很难提供稳定的alpha收益来源。所以很多公募基金开始向高频数据和机器学习、AI模型等方向转变，寻求新的超额收益来源。 随着中证1000股指期货等衍生品的上市，市场的量化产品也越来越丰富。从传统的沪深300指数增强、中证500指数增强到近两年很多管理人开始布局中证1000指数增强的产品，且这类产品市场份额也增长较快，给投资者带来了更多选择。同时我们看到，近两年市场风格变化较快，而量化投资类的产品在构建投资组合时会严格控制风格暴露，因此在这种市场环境中提供了一个相对比较稳健的超额收益，相较于其他产品体现出了一定优势。 另外，量化作为一种研究方法还被很多管理人用来与主观判断结合，从而能为管理人选股提供更多历史回测和统计上的参考。 2. 量化投资综合性很强，不仅需要具备统计学、计量经济学、金融市场知识，还需要具备机器学习和人工智能知识，掌握数据科学和数据分析等。而作为人工智能领域的先行者，ChatGPT恰好具备参数容量庞大、数据来源广泛等特点，从这个角度看，ChatGPT是否能赋能量化投资？具体体现在哪些领域？ ChatGPT的这些特点可以一定程度上赋能量化投资。首先是在数据分析和预处理方面，ChatGPT可以处理金融新闻、公告、报告等大量的非结构化文本数据，并提取关键信息、情感分析、主题建模等，为量化投资提供有价值的数据源；其次是策略优化和决策支持方面，它可以与量化模型结合，提供关键的文本分析和情报搜集能力，帮助投资者发现潜在机会、识别风险，并生成智能化的决策建议；除此之外，ChatGPT同样可以应用于实时数据分析和监测，它可以对市场变化、新闻事件等进行实时的文本分析和情感监测，帮助投资者及时调整策略和决策。 我们团队目前已经在以上各个领域做出了比较深入的研究成果，我们首先利用ChatGPT通过对话的形式挖掘出了高频选股因子并总结出了一些提示工程的技巧和使用指南。同时也借助ChatGPT解析了卖方策略分析师的观点，通过打分的方式为我们提供了具有超额收益的行业配置策略。此外我们还借助ChatGPT的情感分析和推理能力对OPEC新闻进行处理，并将其利用在原油期货的择时策略中，发现利用新 闻情绪信号辅助投资确实能带来明显的增量信息。 3. 从具体实践来看，ChatGPT的回答往往看上去颇有道理，但行业内专业人士还是能一眼看出问题所在，如果想要充分利用ChatGPT来赋能量化投资，该如何避免AI没有逻辑思维能力这个问题？ 需要注意的是，虽然ChatGPT作为一种大语言模型展现出来较强的智能水平，但其回答内容更多来源于模型训练时所投喂的训练文本和数据，模型使用上文预测下文的训练方式导致了其自身思维能力的缺陷。因此虽然可以为我们提供赋能，但它并不能替代专业的金融领域知识或者作为量化投资的基础。在现阶段使用ChatGPT时，我们认为它更适合作为一个工具和辅助手段，帮助人类完成复杂且重复性的工作，从而提升人的工作效率。在得到ChatGPT的输出结果后，需要我们进行专业的逻辑判断，最终的投资决策仍需要我们结合自身的认知和推理才能完成。 4. 量化投资对时效性和准确性要求极高，不断变化的宏观和微观事件对金融市场都会造成巨大的影响。而类似ChatGPT的AI模型的训练依赖于网络上已有的海量文本数据，具有一定的滞后性。您对此观点如何？ 根据OpenAI的官方说明，ChatGPT目前的原始数据集只更新到2021年9月。不过由于大量的样本已经对模型的参数进行了一个全面的训练，虽然可能面对一些特定任务时会出现回答结果无法跟上最新进展的情况，但我们日常工作中所需要的结果取决于我们给模型喂的数据，并不需要对模型进行本质上的调整，因此绝大部分逻辑推理任务、情感分析类任务不会受到影响。 若我们希望能通过大语言模型得到最新的市场资讯和动态，其实也可以使用微软的New Bing、ChatGPT的插件替代，该模型能实现结合互联网搜索进行回答的功能，在一定程度上可以解决这个问题。此外，我们也可以通过微调、结合本地知识库的方式为ChatGPT等大语言模型提供最新的资讯，能在一定程度上弥补模型时效性不足的问题。 5. 现在我们看到量化产品或者量化的模型都进入到了一个瓶颈当中，相当多的困难需要我们不断地解决，它才能再次回到前几年那样比较优秀的战绩当中，接下来我们该如何解决这个问题，或者如何看待这个问题。 因为我们也看到其实在过去的话，整个的一个量化策略也会面临一些挑战，因为传统的这样一个量化的投资的思路逐渐的是收益不佳了，主要还是因为大量的投资者涌入，使得赛道逐步拥挤，包括传统一些基本面因子，在这样一个市场竞争格局之下，逐渐出现了分化特征。 怎么去解决它？我们现在提到的几个解决方案，一块，包括我们要拓宽我们的数据源，比如说我们去寻找一些高频数据，从相当于t级level two级别的一些高频数据出发，去构造一些能够去预测选股有效性的一些指标，从而去加入到我们整个模型里。这块通过我们团队的研究，我们也看出，对于整个模型的增厚效果是非常明显。另外是我们需要在这个行业和风格层面做一些偏离，传统量化其实大家都是去做风格中性的，但如果说风格层面的收益不去把握的话，我们没有办法在风格切换比较快的情况下去叠加一部分的贝塔层面的收益，所以我们倾向于去在行业层面去做一些轮动，我们就需要在这个行业和风格层面做一些量化的建模，其实这也是另外一套基于中观层面的一个配置的框架，我们团队其实在很早就已经做了这个研究了，包括行业层面，我们已经搭建了一套配置思路，从宏观中观和微观等多个维度去构建了一个行业的配置策略，对于整个量化模型来说，叠加终端配置之后，可以明显提高我们收益。当然现阶段还有一些量化产品，也逐渐的去把一些人工智能机器学习方法也应用到我们整个的模型里。这个模型，它因为跟传统的这样一个量化策略的一个相关性比较低，所以能够给大家提供一个额外的阿尔法的增厚。所以我从整个的未来发展方向来看，量化虽然面临很大的挑战，但是可以解决一些问题和方法应该是更多的，所以我们还是非常看好未来量化的一个整体的发展趋势。
在当今快速发展的金融行业中，科技的崛起为市场参与者带来了前所未有的机遇与挑战；随着人工智能技术的飞速发展，我们已经进入了一个新的时代，其中ChatGPT作为一个跨时代的沟通工具，自问世以来，便掀起了一场科技革命，在全球赚足眼光，更引发了资本市场的极大关注。 ChatGPT如何赋能量化投资? 如何利用它帮助投资者更好地进行市场决策? 对此，我们邀请了国金证券金工首席分析师高智威，分享他对ChatGPT在投资领域的见解和经验，探讨ChatGPT在金融领域的应用和影响。 以下为采访全文： 1. 近三年量化市场发展格局，以及目前的行业发展态势是怎样的？近期是否出现了一些积极的变化？ 近三年国内量化投资行业整体呈现稳中向好的发展趋势，量化私募蓬勃发展，管理规模得到大幅提升。公募基金的量化投资也在不断迭代发展，最开始公募基金量化主要以基本面因子作为选股的主要手段，然而近两年很多基本面因子出现风格化的特征，很难提供稳定的alpha收益来源。所以很多公募基金开始向高频数据和机器学习、AI模型等方向转变，寻求新的超额收益来源。 随着中证1000股指期货等衍生品的上市，市场的量化产品也越来越丰富。从传统的沪深300指数增强、中证500指数增强到近两年很多管理人开始布局中证1000指数增强的产品，且这类产品市场份额也增长较快，给投资者带来了更多选择。同时我们看到，近两年市场风格变化较快，而量化投资类的产品在构建投资组合时会严格控制风格暴露，因此在这种市场环境中提供了一个相对比较稳健的超额收益，相较于其他产品体现出了一定优势。 另外，量化作为一种研究方法还被很多管理人用来与主观判断结合，从而能为管理人选股提供更多历史回测和统计上的参考。 2. 量化投资综合性很强，不仅需要具备统计学、计量经济学、金融市场知识，还需要具备机器学习和人工智能知识，掌握数据科学和数据分析等。而作为人工智能领域的先行者，ChatGPT恰好具备参数容量庞大、数据来源广泛等特点，从这个角度看，ChatGPT是否能赋能量化投资？具体体现在哪些领域？ ChatGPT的这些特点可以一定程度上赋能量化投资。首先是在数据分析和预处理方面，ChatGPT可以处理金融新闻、公告、报告等大量的非结构化文本数据，并提取关键信息、情感分析、主题建模等，为量化投资提供有价值的数据源；其次是策略优化和决策支持方面，它可以与量化模型结合，提供关键的文本分析和情报搜集能力，帮助投资者发现潜在机会、识别风险，并生成智能化的决策建议；除此之外，ChatGPT同样可以应用于实时数据分析和监测，它可以对市场变化、新闻事件等进行实时的文本分析和情感监测，帮助投资者及时调整策略和决策。 我们团队目前已经在以上各个领域做出了比较深入的研究成果，我们首先利用ChatGPT通过对话的形式挖掘出了高频选股因子并总结出了一些提示工程的技巧和使用指南。同时也借助ChatGPT解析了卖方策略分析师的观点，通过打分的方式为我们提供了具有超额收益的行业配置策略。此外我们还借助ChatGPT的情感分析和推理能力对OPEC新闻进行处理，并将其利用在原油期货的择时策略中，发现利用新 闻情绪信号辅助投资确实能带来明显的增量信息。 3. 从具体实践来看，ChatGPT的回答往往看上去颇有道理，但行业内专业人士还是能一眼看出问题所在，如果想要充分利用ChatGPT来赋能量化投资，该如何避免AI没有逻辑思维能力这个问题？ 需要注意的是，虽然ChatGPT作为一种大语言模型展现出来较强的智能水平，但其回答内容更多来源于模型训练时所投喂的训练文本和数据，模型使用上文预测下文的训练方式导致了其自身思维能力的缺陷。因此虽然可以为我们提供赋能，但它并不能替代专业的金融领域知识或者作为量化投资的基础。在现阶段使用ChatGPT时，我们认为它更适合作为一个工具和辅助手段，帮助人类完成复杂且重复性的工作，从而提升人的工作效率。在得到ChatGPT的输出结果后，需要我们进行专业的逻辑判断，最终的投资决策仍需要我们结合自身的认知和推理才能完成。 4. 量化投资对时效性和准确性要求极高，不断变化的宏观和微观事件对金融市场都会造成巨大的影响。而类似ChatGPT的AI模型的训练依赖于网络上已有的海量文本数据，具有一定的滞后性。您对此观点如何？ 根据OpenAI的官方说明，ChatGPT目前的原始数据集只更新到2021年9月。不过由于大量的样本已经对模型的参数进行了一个全面的训练，虽然可能面对一些特定任务时会出现回答结果无法跟上最新进展的情况，但我们日常工作中所需要的结果取决于我们给模型喂的数据，并不需要对模型进行本质上的调整，因此绝大部分逻辑推理任务、情感分析类任务不会受到影响。 若我们希望能通过大语言模型得到最新的市场资讯和动态，其实也可以使用微软的New Bing、ChatGPT的插件替代，该模型能实现结合互联网搜索进行回答的功能，在一定程度上可以解决这个问题。此外，我们也可以通过微调、结合本地知识库的方式为ChatGPT等大语言模型提供最新的资讯，能在一定程度上弥补模型时效性不足的问题。 5. 现在我们看到量化产品或者量化的模型都进入到了一个瓶颈当中，相当多的困难需要我们不断地解决，它才能再次回到前几年那样比较优秀的战绩当中，接下来我们该如何解决这个问题，或者如何看待这个问题。 因为我们也看到其实在过去的话，整个的一个量化策略也会面临一些挑战，因为传统的这样一个量化的投资的思路逐渐的是收益不佳了，主要还是因为大量的投资者涌入，使得赛道逐步拥挤，包括传统一些基本面因子，在这样一个市场竞争格局之下，逐渐出现了分化特征。 怎么去解决它？我们现在提到的几个解决方案，一块，包括我们要拓宽我们的数据源，比如说我们去寻找一些高频数据，从相当于t级level two级别的一些高频数据出发，去构造一些能够去预测选股有效性的一些指标，从而去加入到我们整个模型里。这块通过我们团队的研究，我们也看出，对于整个模型的增厚效果是非常明显。另外是我们需要在这个行业和风格层面做一些偏离，传统量化其实大家都是去做风格中性的，但如果说风格层面的收益不去把握的话，我们没有办法在风格切换比较快的情况下去叠加一部分的贝塔层面的收益，所以我们倾向于去在行业层面去做一些轮动，我们就需要在这个行业和风格层面做一些量化的建模，其实这也是另外一套基于中观层面的一个配置的框架，我们团队其实在很早就已经做了这个研究了，包括行业层面，我们已经搭建了一套配置思路，从宏观中观和微观等多个维度去构建了一个行业的配置策略，对于整个量化模型来说，叠加终端配置之后，可以明显提高我们收益。当然现阶段还有一些量化产品，也逐渐的去把一些人工智能机器学习方法也应用到我们整个的模型里。这个模型，它因为跟传统的这样一个量化策略的一个相关性比较低，所以能够给大家提供一个额外的阿尔法的增厚。所以我从整个的未来发展方向来看，量化虽然面临很大的挑战，但是可以解决一些问题和方法应该是更多的，所以我们还是非常看好未来量化的一个整体的发展趋势。
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
