← 有富同享
用AI炒股靠谱吗?从量化投资聊聊普通人使用AI的正确姿势
富国基金

有富同享

用AI炒股靠谱吗?从量化投资聊聊普通人使用AI的正确姿势

时长
85分钟
播放
9,413次
发布
1周前
在小宇宙收听 ↗

Show notes

节目简介

来源:小宇宙
打开ai对话框,请他推荐几只股票让自己体验一下涨停的快乐——当AI越来越擅长回答问题、分析数据,甚至编写代码,让它帮自己炒股,似乎也成了一件触手可及的事。但问题是:AI说得头头是道,你敢信吗?
在专业量化投资领域,AI早已不只是一个聊天工具。它有一套比单纯看收益率更完整的方法去判断一只量化基金的真实水平;它可以阅读研报、清洗高频交易数据、辅助挖掘投资因子;它甚至通过多个智能体的分工协作,完成从信息搜集到策略研究的一系列任务。
然而,AI的能力越强,专业投资者反而可能越谨慎:模型会产生幻觉,回测可能混入未来信息,原本有效的交易策略也可能随着市场变化迅速失效。投资的门槛真的因为ai而降低了吗?决定投资能力的究竟是模型、数据、算力,还是人的经验与创造力?为什么拥有强大计算能力的AI,仍然难以独立承担投资决策?
本期《有富同享》,我们邀请富国基金量化投资部基金经理金泽宇,以及富国基金信息技术部门的AI专家朱哲敏,从量化投资与人工智能两个专业视角,探讨AI究竟能够怎样改变投资,以及普通人应该如何用好这项工具:
* 直接让AI推荐股票或基金很危险?
* 专业基金经理如何用AI挖掘交易因子?哪些环节必须由人来判断?
* 多智能体协作能让AI独立完成一整套投资研究吗?
* AI会取代量化基金经理和程序员吗?人的创造力还有什么价值?
* 个体投资者能利用AI搭建完整的量化系统吗?
* 怎样利用AI整理新闻、分析财报、辅助投资判断?
* 挑选量化基金时,除了收益率,还应该关注哪三个关键指标?
本期嘉宾
l 金泽宇:科创综指ETF富国基金经理
l 朱哲敏:富国基金信息技术部AI专家
Timeline
02:17 AI推荐的股票敢买吗? 面对自己不了解的问题,AI的回答往往显得全面而专业;但当问题涉及熟悉的专业领域,就容易发现其中的漏洞、模糊判断甚至事实错误。这就是大模型常见的“幻觉”问题。因此,AI适合帮助投资者搜集资料、整理研报和提高研究效率,却不宜在未经验证的情况下直接替人决定买卖。
04:03 与其问AI明天涨不涨,不如让它帮你分析为什么 让AI参与分析过程,而不是直接索取答案。真正有价值的,是理解结论如何形成。
05:10 专业基金经理的AI使用方法:先有自己的观点,再让AI挑刺 首先建立一套分析框架,再让AI从不同角度寻找其中的漏洞。例如,分析市场时除了国内政策、上市公司财报和资金流向,是否还应该纳入海外利率、地缘政治和大宗商品价格?通过不断补充问题,让AI帮助完善研究思路。
07:26 让智能体分工合作 一个提出假设,一个检验逻辑,另一个搜集证据,形成相互验证的研究流程。未来或许会出现统一负责规划的上层Agent,让不同子智能体自动协调,进一步减少人工组织任务的成本。
12:05 AI在遇到市场风格切换时容易失效 在量化投资中,从数据输入到策略生成、交易执行都交给模型的方式,被称为“端到端”。但这类方法可能在特定市场环境中有效,却难以适应所有行情。例如,当市场从追捧AI企业资本开支,转而关注企业盈利和现金流时,投资逻辑已经发生变化。部分变化来自市场参与者的预期和沟通,并不能被历史数据及时、完整地捕捉。
14:20 专业量化团队为什么不把整个投资流程交给AI? 专业团队会持续把对市场结构、投资逻辑和风格变化的理解融入模型,再由模型开展计算和执行。人在其中承担的是观察市场、更新认知和修正策略的职责,AI则负责把明确的研究思路转化为可计算、可验证、可执行的流程。
17:00 AI能处理海量交易数据,却未必知道机构为什么这样下单 散户可能偶尔下大单,而机构为了降低交易冲击,反而可能持续、均匀地执行小额订单。基金经理凭借真实交易经验提出这一观察思路,再让AI完成高频数据的清洗、汇总和计算。这个案例说明,AI能够大幅提高因子研发效率,但如何理解交易行为,仍然依赖专业经验。
20:14 AI可能让投资因子的有效期越来越短 一项投资规律从被发现到被广泛使用,过去可能经历几个月甚至几年的传播过程。但随着AI降低研究和策略复现的难度,这个过程可能明显缩短。一旦大量资金使用相同因子,交易变得拥挤,原有的超额收益空间就可能逐渐消失。
21:46 AI越会学习,人的创造力越重要 如果一个人的工作长期停留在重复过去的方法,就更容易受到技术替代的冲击。但市场始终在变化,成功策略也会因为参与者增多而逐渐失效。人需要不断提出新的问题、创造新的方法,再借助AI高效执行。让AI成为能力的放大器,而不是完全代替人的思考。
24:43 程序员会被AI取代吗?未来可能更需要懂技术的产品经理
朱喆敏从程序员的角度讨论AI带来的职业变化。他认为,代码生成越来越自动化后,单纯编写代码的工作可能逐步减少,但理解需求、设计系统和组织复杂任务的能力会更加重要。未来的软件开发可能不再要求人亲自完成每一行代码,而是由人定义目标、检查结果,再驱动AI完成具体实现。技术人员的价值也可能从执行转向设计和协调。
30:26 机器学习、深度学习、大语言模型,到底有什么区别? 机器学习通过数据学习规律,深度学习则利用多层神经网络提取更复杂的特征;大语言模型依托大规模数据训练,擅长理解和生成语言,也能够通过语言指令完成多类任务。它们并不是完全互相替代的技术。对量化投资而言,不同类型的问题仍可能需要不同的模型解决。
34:25 AI看起来很有创造力,可能因为它是“全才” 当AI把其他领域的经验引入某个具体问题时,就可能带来新鲜的思路,让人觉得它很有创造力。但在某些高度专业的细分领域,资深专家仍可能比通用模型理解得更深。因此,人机协作的价值之一,就是利用AI拓展个人的知识边界。
37:47 大模型不是万能工具,量化投资仍需要传统机器学习 投资研究不应盲目追求模型越复杂越好。关键是根据实际问题选择合适的方法,并结合基金经理的经验设计工作流程。模型的性能固然重要,知道什么时候该用什么模型同样重要。
40:53 一个数学、计算机双料博士加上AI,能自己做量化投资吗? 关键可能不在于使用了多少AI工具,而是这个人本身是否具备数学、编程和理解金融市场的能力。一个基础非常扎实、又能洞察市场规律的人,原本就可能具备独立研究量化策略的条件,AI能够进一步提升他的效率。但如果缺少专业知识,仅靠购买高性能电脑和调用先进模型,并不能自动获得投资能力。
43:33 AI是一个放大器:能放大你的能力,也可能放大你的盲点 使用AI的前提仍然是了解自己的知识边界,并具备判断结果是否合理的能力。
47:51 为什么专业机构需要企业级系统,而不只是几个AI助手?一个模型可以帮人读研报、写代码,但如果任务越来越多,就会发现多个环节很难长期稳定地串联。专业机构则通过企业级系统,把不同模型、数据源和研究任务组织起来,让每个环节的结果能够持续传递、复用和验证。
50:04 多智能体协作要像一支专业团队 上层Planner负责规划整体流程,下层多个Agent分别执行数据收集、分析、计算或编程等任务,每一步完成后进行检查,再交给下一个环节。真正发挥作用的不只是某个模型有多聪明,而是整个工作流能否稳定运行。
53:45 金融机构如何保障数据安全? 对于公开数据,可以采用相对灵活的工具进行研究;涉及内部信息时,则通过本地部署等方式加强保护。对金融机构而言,模型能力只是一个方面,数据能否得到安全管理、研究成果能否避免外泄,同样重要。
55:18 AI参与投研后,为什么反而需要更多人来检查? 模型可以快速识别数据特征、整理研究结论,但结论是否符合市场实际、是否适合用于投资决策,仍然需要专业人员判断。自动化程度越高,验证机制就越重要。
58:04 回测看起来很漂亮,可能是AI偷偷用了“未来信息” 在量化研究中,使用未来才会知道的数据验证过去的策略,会导致回测结果失真。这种问题有时不容易通过查看最终结果发现,因此模型的数据边界和回测流程必须受到严格控制。
59:44 怎样防止AI的幻觉污染投资策略? 专业团队会在关键环节采用数据来源更可控的传统机器学习或深度学习模型。如果必须使用大语言模型,也可以限定知识库、训练数据、模型版本及可访问的信息范围,避免模型引入未经验证或不属于研究时点的内容。
01:01:34 深度使用AI的秘诀是不断质疑它 AI给出的第一版结论只是研究的起点。通过追问数据来源、遗漏因素和可能的反面证据,才能让结果逐步完善,同时也帮助自己形成更清晰的判断。
01:02:24 AI说红利基金值得买,你应该怎样继续追问? 节目给出了一个具体示范案例。
01:05:39 一种简单的使用技巧:把提问权交给AI 不必始终让AI被动回答问题,也可以主动要求它向自己提问。例如,先告诉AI一个研究目标,再让它逐步询问背景、条件和可能缺失的信息;还可以要求它扮演不同角色,从多个立场分析同一个问题。通过改变对话结构,打破固定的问答习惯,往往能够发现自己原本没有注意到的思考角度。
01:10:35 普通投资者最实用的AI工具:把资讯变成一张看板 金泽宇分享了自己使用AI整理信息的方式:将平时关注的财经公众号、研究文章交给AI,提取核心观点,再汇总成可视化看板。
01:12:13 让AI给自己做一份“投资晨报” 可以借助AI整理公开信息,每天形成一份简明的市场晨报,包括隔夜市场表现、重要财经新闻、政策变化及未来事件提醒。
01:13:02 看财报时让AI扮演一名审计师 以审计师的视角检查财报,寻找值得进一步核实的问题;对于基金投资者,也可以比较基金半年报、年报中基金经理观点的变化,观察其投资理念与持仓思路是否发生调整。不过,AI发现的疑点仍需回到原始材料验证。
01:15:08 量化基金怎么选?不能只看过去一年赚了多少钱 评价一只量化基金,至少需要同时观察超额收益、跟踪误差和胜率。如果一只基金一年的超额收益很高,但主要集中在少数几个交易日,投资者未必能获得理想的持有体验。要综合看息比率、夏普比率和胜率。
01:19:41 AI时代,普通人的专业能力会变得不重要吗? AI越能承担基础性、重复性的任务,人越需要具备扎实的行业知识。未来的工作重点可能从亲自完成每一步操作,转向准确提出需求、组织AI执行,以及判断结果是否可信。对于投资者而言也是如此:模型可以帮助搜集信息、分析数据,但理解市场、识别风险和承担决策后果,仍然要求个人持续学习。
01:22:46 不必担心AI去带人,更值得担心的可能是不会使用AI 如果只依赖过去积累的经验,而拒绝学习新工具,未来可能面临更大的竞争压力。真正重要的或许不是简单地讨论AI能否取代某个职业,而是懂得利用AI的人,可能逐步获得比不会使用AI的人更强的竞争优势。
风险提示:市场有风险,投资须谨慎。本音频内容仅为投资思维方式分享,不构成任何具体的投资建议。文中所提及的任何方向或标的,均不构成买入或卖出推荐。投资者应根据自身风险承受能力、投资目标与偏好,独立做出投资决策。

Listeners say

小宇宙热评

共 4 条 · 按点赞排序
  1. 倪攀 TOP 1

    · 浙江

    0

    1:12:25 这个 ai 用法挺可以的

  2. 朱朱ann TOP 2

    · 广东

    0

    用什么AI可以扒公众号呀?好多都扒不了呀

  3. 小星星xxxl TOP 3

    · 上海

    0

    听到这里想起之前有学生把作业丢给豆包,把自己的方案丢给豆包之后,隔壁的同学也做出一模一样的方案,就是通过这种媒介把自己的创意被迅速的传播了,所以其实关系到内部的资料的信息安全的信息还是不要丢给公开使用的通用的人工智能

  4. 穿一个马甲

    · 比利时

    0

    21:59 这次的剪辑是不是出了一点问题呀?感觉总会有一点bug出现

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧