20260820-申万宏源-技术飞速突破的当下_海外量化发展如何_申万宏源金工海外量化研究系列之七_12页_1mb

报告摘要

海外量化投资发展总结

核心内容

近年来，技术尤其是人工智能（AI）的飞速发展正在深刻影响海外量化投资的研究与实践。量化投资正从单纯“开发更多有效因子”的阶段，向构建“信息处理、信号生成、投资落地”一体化的系统化能力迁移。这一趋势不仅体现在对另类数据的深度挖掘、大模型的广泛应用，也体现在传统因子的精细化改进和主动量化结合产品的兴起。

主要观点

AI成为量化研究的核心工具
- AI技术大幅提升了因子生成效率和信号处理能力，量化投资的竞争力逐渐从因子数量转向系统化能力。
- 大模型已被广泛用于文本分析、情绪打分、信号生成等环节，如高盛、JPMorgan、Man Group等机构均在使用大模型进行投资研究。
系统化信号管理与模型构建成为关键
- 量化机构越来越重视数据治理，以确保数据质量与信号有效性。
- 信号管理流程日趋规范化，模型构建也更加注重适应性和可解释性，如贝莱德的AIM系统、Man Group的Agentic AI等。
传统因子持续精细化升级
- 传统因子如价值、质量、动量等仍被高度重视，但其使用细节和评估标准不断优化。
- 一些机构通过引入新的数据源（如文本、招聘趋势等）和细分指标提升因子的有效性。
主动与量化结合产品兴起
- 公募基金越来越多地采用主动与量化结合的模式，以增强投资逻辑的科学性和稳定性。
- 代表性产品包括普信Integrated系列、JPMorgan Fundamental Data Science系列、MFS Blended Research系列等。

关键信息

海外量化研究趋势

大模型高效利用信息
- 大模型用于分析电话会议、研报等文本信息，提取情绪、预期等信号。
- Man Group的AlphaGPT系统实现了从数据挖掘到回测验证的全流程自动化。
- 机构担忧大模型可能带来过拟合和数据泄露风险，因此强调信号的可解释性和数据治理。
系统化的信号管理与模型构建
- 数据治理成为关键环节，如Point72的Market Intelligence团队构建了完整的数据处理与分析流程。
- 信号测试流程包括统计效力回测、经济直觉检验、正交检验等，以确保信号的有效性。
- 贝莱德、Man Group等机构尝试将不同数据源整合，构建更适应市场变化的模型。
传统因子精细化升级
- 价值因子引入调整后账面价值、自由现金流收益率等指标。
- 质量因子结合现金流稳定性、CEO措辞确定性等软指标。
- 动量因子区分不同来源和持续时间，提升策略稳健性。

海外公募量化投资变化

更重视因子使用细节
- 公募机构在因子筛选、定义和应用上更加精细，如Alliance Bernstein、Motley Fool等。
- 一些产品采用多维指标综合评分，如ROA、ROE、自由现金流收益率等。
主动与量化结合形式增多
- 主动与量化结合的产品在公募市场中日益普遍，如T Rowe Price、JPMorgan、MFS、American Century、Columbia、John Hancock等。
- 产品通过量化模型初筛，再结合基本面分析和主观判断进行最终决策，以实现超额收益。

典型案例

Alliance Bernstein
- 采用量化因子与基本面研究结合，形成“高质量”股票筛选标准。
- 其量化模型涵盖估值、成长、动量、质量等维度，与主观判断融合。
Motley Fool
- 发行了单因子ETF产品，分别聚焦创新成长、价值和动量。
- 每只ETF的持仓约150只股票，因子定义精细，如成长因子包含毛利润增速、创新手段等。
JPMorgan
- 构建了主题投资框架，通过文本分析识别个股与主题的关联性。
- 量化团队与主动投研团队协同，结合数据科学和基本面分析。
MFS
- 采用定量模型与基本面评分相结合的方式，构建综合得分。
- 量化模型预测周期为12-18个月，覆盖范围更广。
American Century
- 通过定量模型筛选股票，再结合事件与公告等进行最终决策。
- 量化与基本面结合，形成“先量化，后决策”的路径。
Columbia
- 有Integrated和Disciplined两个系列，前者结合量化初筛与基本面评分，后者更偏向量化选股。
John Hancock
- 采用“三圈”投资法，综合估值、基本面和动量进行选股，避免单一维度判断。