Global Perspective, China Value
中国基金报记者 刘明 吴君
3月26日下午，由中国基金报主办的“AI新纪元 指数大时代——2025指数投资高质量发展论坛”在北京举行。
圆桌讨论由中信证券研究部金融产品首席分析师唐栋国主持，参与讨论的嘉宾包括富国基金量化投资部ETF投资总监王乐乐，长城基金总经理助理、量化与指数投资部总经理雷俊，银华基金量化投资部总监助理、基金经理李宜璇，摩根基金指数及量化投资部基金经理韩秀一。
他们认为，人工智能的崛起给整个行业生态带来了很大改变。未来，资管机构需要更好地利用AI拓展自己的认知边界，同时保有独立的、批判性思考的能力，为投资者带来更好的回报。
以下为圆桌讨论内容。
大幅提升指数投资效率及
投资者顾问服务能力
唐栋国：AI大模型正在深刻改变整个社会生态，对金融行业也带来颠覆性的影响。你们公司在AI投入上有哪些变化？AI给你的工作带来了哪些变化？
王乐乐：首先，我司对人工智能大模型的重视度非常高。从去年开始，我们就在硬件、软件等方面进行了大量投入，并将AI大模型运用到ETF的投资研究中，主要用于日度的研报观点汇总和ETF投资观点表达。同时，我们的团队也会利用AI大模型来提升日常工作效率，比如程序开发、代码写作等。
在ETF投资方面，我们已经将DeepSeek等AI大模型与富国的策略体系相融合。未来还会将AI大模型用于投资者情绪捕捉、指数分析及优化等方面的研究，致力于为客户提供更好的ETF投资策略的观察体系。
雷俊：我本人是智能科学硕士，距离我开始学习人工智能技术已经过了20年。长城基金的量化投资团队在5年前就已经引入了人工智能技术，在研究层面进行了布局。如今，DeepSeek的出现为量化投资研究带来了更多的可能。在实际操作中，人工智能主要在以下三个方面显著提升了生产力：
一是在日常办公和写代码方面。过去两年，人工智能辅助编码有了很大突破，给量化投资研究人员提供了很大的助力，我们在日常工作中都已经实际运用。
二是在投资核心领域。我们利用人工智能技术不断学习和迭代。投资的关键在于收益与风险的平衡，我们追求超额收益的过程就是不断地寻找α因子，利用人工智能深度学习算法，可以把因子挖掘工作打包在一套复杂的框架里，无论是卷积神经网络还是其他新的技术，我们都在积极跟进。
三是利用大模型和人工智能技术实现行业轮动。我们在做量化研究时，可以从多个角度进行数据分析，比如行业波动率、收益波动率，这些数据有助于我们更精准地捕捉市场趋势，从而优化投资端的风险管理和收益管理。
李宜璇：银华基金量化团队是2009年建立的，是公募基金行业较早成立的量化团队之一。我们从2018年开始利用神经网络对一些中频因子进行训练；2022年，我们开始挖掘高频数据，进行分析和训练；2022年，我们尝试将多频率的数据进行整合，开发中低频增强策略，并将其应用在公募指数增强产品上，取得了非常不错的效果；2024年，我们把大模型更多地应用到选股策略上。
如今我们看到了DeepSeek出现，但我们的努力不是今天才开始，而是已经持续了很长时间。量化基金经理已经和大模型、大数据共同成长和演进了很多年，今天AI的发展已经具备了非常好的基础。
韩秀一：大模型对投资行业，包括指数投资和阿尔法投资，都有比较大的促进作用。我们认为，在全球范围内，很多资管公司都可能通过AI技术做四件事情：
第二，用机器学习或深度学习的方法，通过历史数据和基本面数据直接预测股票收益率，已经被证明是行之有效的。我们的指数及量化团队早在几年前就开始实盘，跟踪这一策略。
第三，利用大模型识别舆情和非结构化数据的风险。比如我们开发一个产品，在投资组合模型建好后，可能会有一些实时的风险，传统的风险模型难以捕捉到，而现在AI可以进行更精准、更及时的捕捉，帮助投资团队及时地对风险做出应对。
第四，对于基金经理或研究员来说，用向量数据库叠加大模型的方法，可以复用自己的研究成果和研究经验，相当于多了一个很好的投研助手，给投研带来了增强效果。
AI的投入与应用
可能改变指数资管行业格局
唐栋国：目前，AI在被动指数投资方面发挥了哪些作用？对指数投资有什么影响？你们公司对AI的投入力度是否会影响指数产品的规模和行业格局？
韩秀一：我认为各家资管机构对于AI的投入或会影响未来指数投资的竞争格局和规模。
举个例子，去年，海外部分资管机构推出了一些大语言AI工具的新产品，利用软件和对话来描述投资需求和投资方案，它可以根据舆情或文本推出实时的动态组合，这是对原来固定规则ETF产品的一个补充，其优势是更加及时。
现在很多投资者会向DeepSeek提问，比如：在这样的市场环境下该配置什么产品？未来ETF既要给投资者提供清晰、长期有效的逻辑，也要让大模型学习产品的风险收益特征，以供AI投顾使用。
李宜璇：作为指数管理人，我们很大一部分的工作是做指数产品的研究和开发。做指数开发需要大量的数据支持，而开发创新型产品也需要强大的投研实力和团队的支持，AI的加入为我们带来几点助力：
第一，AI可以帮助我们处理海量数据，包括一些非结构化的数据，比如新闻舆情、市场情绪等，这极大地提高了指数开发的效率以及数据处理的能力。
第二，未来指数投资将从机械地、被动复制指数，变成更加智能的、有一定增强效果的产品策略。我们不但能够运用AI智能工具进行指数的增强，也能够更好地进行风险管理。
第三，随着AI时代的到来，我们或许能够真正给客户提供千人千面的投资顾问服务。AI可以帮助投资者根据自己的收益率和波动率目标建立投资组合。
DeepSeek的崛起给整个行业生态带来很大的改变，其开源模型用十分之一的成本达到了与OpenAI o1相当的水平，实现了“技术平权”的效果。我认为，未来行业格局可能会发生变化，各家资管公司可以更好地发挥自己的特色，利用AI工具达到智能增强的效果。
雷俊：资管行业有三个重要的角色：客户、管理人和销售机构。销售机构可以利用DeepSeek做什么？我认为可以利用新技术显著提升服务的效率和质量。比如，同一只指数有10只ETF跟踪，要比较这10只产品的特色和区别，利用DeepSeek等大模型，可能只需要5分钟就能够自动完成信息的收集和整理，这极大地提高了生产效率。
对于资管机构来说AI将产生两方面的促进作用。一是α的创造和增厚。普通指数的更新周期比较长，通常为季度调整，这意味着信息的利用可能滞后。因此，更高效地分析和处理信息，为组合提供增量价值，是资管机构能够利用深度学习技术在资管产品上提供的附加值。二是可以打造个性化的产品和服务解决方案。现在的资管产品非常多，进行单一分析比较费时，利用人工智能技术可以快速分析迭代，是一个潜在的发展方向。
王乐乐：目前，AI在富国基金被动指数投资方面的使用场景主要包括生成日度ETF投资观点、监测并观察市场热点、挖掘行业轮动因子、开发组合投资策略等。AI在指数方面的应用则主要体现在将AI技术和指数编制规则相结合，用于指数成份股表现的预测，从而赋能基金经理，提升指数管理的精度，这有助于进一步提升客户体验，对公司的业务布局和发展或将起到正向的推动作用。
AI更多是提升投资效率
不太可能完全对人进行替代
唐栋国：AI对于主动投资和被动投资的替代作用是怎样的？做量化投资和ETF，你们是否会担心AI替代指数基金经理？
王乐乐：我不担心。AI可以帮助基金经理更好地管理基金资产。但是，ETF投资涉及的因素很多，且对精细化管理的要求比较高。AI是一个很好的投资辅助工具，基于AI在垂类模型的各种开发，有助于提升投研效率和客户体验。AI可以帮助我们捕捉市场变化和一些突发因素，辅助搭建ETF策略体系，但不能完全替代被动指数基金经理。
雷俊：我从个人的角度补充几点：第一，投资和AI的关系并不是简单的线性关系。就是说，拥有最多的算力资源并不意味着一定能取得最好的投资业绩，这一点是很明确的。在投资领域，除了算力资源外，还需要考虑数据的质量、算法优化、模型的可解释性、应用场景的适配性以及对市场的理解等诸多因素。
第二，从历史来看，人类经历了数次工业革命，从蒸汽动力时代到电气化时代，再到信息革命时代，目前正迈向人工智能时代。这些技术变革都在人类的可控范围内有力推动了生产力的提升。当前人工智能的发展速度超出了许多人的预期，我自己还是会有一点小小的担心，比如，再过20年，人工智能是不是会自我进化？技术变革会对时代产生深远的影响，它不仅会重塑各个行业的格局，还会改变人类的生活方式和社会结构。我们需要在推动AI技术发展的同时，加强对其潜在风险的研究和应对。
李宜璇：在20世纪50年代“控制论”盛行时，大家担忧机器人会取代人类工作；80年代“专家系统”出现，大家又开始担心很多行业会被计算机专家系统取代。回到今天，这不是我们人类第一次问这样的问题，我相信也不会是最后一次。
我们需要思考的核心问题是，算法智能和人类智能到底有什么差异？也就是说我们能不能用数据来表征人类面对的所有问题？
AI可以非常高效地处理大量的数据，这个能力人类无法企及。但人类构建信念、构建集体意识的能力是独有的，我们必须相信一些没有办法用数据证明的东西，这是人类文明最核心的力量。
所以，未来AI不会完全取代我们的投资人员，但可能推动投资行业进化。一直以来，投资都是一个由经验驱动的生态。未来我们需要把数据和认知结合起来去驱动投资，投资人需要更好地利用AI拓展自己的认知边界，同时保有独立的、批判性思考的能力。
韩秀一：我们必须更好地使用AI，才能适应未来的竞争。对于被动指数投资来讲，以前做一个指数，从规则到回测，到得出结果，再返回审视规则，通常需要花一两天时间。现在有了AI Agent，包括提问、设定规则，十几分钟就能得出结果，而且是融合了机构定制与个人投资者想法的结果。对于主动管理来说，AI有望提升市场的有效性。比如，去年年底，海外某机构做了一个模型，利用大语言模型预测未来一个季度上市公司的营收情况，从结果来看，部分角度平均准确率不输卖方分析师的一致预期。也就是说，在AI大模型“平权”后，市场的竞争性和有效性有望进一步提升，这将倒逼基金经理和研究员做更有深度、更贴近产业趋势的研究。
我认为，未来主动ETF的发展会受益于AI大模型的发展。有了AI以后，投资者对于ETF的敏锐度有了更高要求，希望ETF能够捕捉到更多新的概念。那么，能否通过大语言模型开发出动态的指数或动态的模型，尽可能准确地跟踪市场的新趋势？这是行业面临的变局。
李宜璇：作为指数基金的管理人，我们希望给投资者提供的是系列的、能够实现短、中、长期财务规划的产品，根据投资者的目标、风险偏好、投资期限等，提供一揽子规划。
此外，近几年投资者对于跨市场、多资产品类产品的理解能力在提升，大类资产的概念慢慢地在投资者心中生根发芽。大家知道通过配置不同的资产类别，在相关性比较低的情况下，能够非常有效地降低组合的波动性，获得很好的收益。
每年市场的叙事逻辑都会有一些变化。今年科技引领主流行情，我们在做权益产品配置时，需要科技加红利、消费两手抓，我相信这种分散、平衡的配置会是更好的选择。此外，还可以辅以一些固收类产品，包括黄金甚至跨境资产，让组合更加多元化，以达到穿越周期、行稳致远的效果。
韩秀一：DeepSeek带来中国资产重估，海外基金对于中国资产的关注度上升。为什么外资如此重视这个行业？我想是因为海外基金喜欢以美股为参照。2022年底，ChatGPT出来时，头部科技公司将大量资本投向AI行业，使得整个AI产业链受益，其开支基本上转化成了纳斯达克上市公司的营收。
许多外资机构认为，中国现在也遵循同样的发展逻辑。从公开数据来看，国内的互联网等企业正在开启过去几年罕见的新一轮大规模资本开支，几家头部企业已经公布了未来几年的开支计划。未来国内的芯片企业、应用端极有可能受益于此，尤其是科创企业或者头部互联网企业。当前整个产业的进程刚刚开始，预计第一阶段是资本开支的扩张，第二阶段或是应用端“从0到1”的创新。
雷俊：我主要讲几个点：第一是长期资金配置与经济增速的关系。作为长期的配置型资金，回报与底层资产的长周期经济增速密切相关。假设金融资产每年的收益率是8%，则不能期望获得20%的回报，除非依靠短期的估值波动。所以说，底层资产的选择很重要。如果人工智能能够显著改变经济基础格局，大幅提升整个市场的表现，那么ETF的配置价值就会发生很大的改变。反之，如果没有显著影响，那么普通指数大概率仍然以估值波动为主，而估值波动的收益获取有比较大的挑战性。
第二点是传统投资领域的风险量化。在传统投资领域，风险量化主要分为行业因子和风格因子两部分。这两个因子可以解释股票市场波动的30%到40%。长期来看，行业因子的α要大于风格因子。以人工智能、机器人、芯片等行业为例，其股价波动较大，对于投资者而言是很大的挑战，而且估值的波动短期内可能远远大于业绩波动。虽然ETF有很多优点，但跟踪指数的难度非常大，因为指数受外部因素的影响更加显著，交易频次、资金流动和定价机制的波动比较大，都是需要应对的挑战。当然我长期还是比较看好这个方向的。
第三点，从产品选择角度，建议投资者从自己的风险收益特征出发，因为基础风险决定了所要完成的指数配置，而指数配置的α+β又会决定回报的空间。
王乐乐：AI技术的推广，尤其是DeepSeek的落地，使得国内AI产业出现了明显的加速增长。未来，AI与各个产业的进一步融合，或将带来更多投资机会，包括“AI+数据”带来大数据产业的发展，“AI+新能源车”带来智能汽车的跨越式发展，“AI+互联网应用平台”带来互联网行业的第二增长曲线。中长期来看，“AI+”产业链的机会或仍值得关注，但需要谨慎短期交易过热的风险。