启林投资王鸿勇：AI与量化投资的异曲同工之妙

王鸿勇是启林投资的创始合伙人和投研总监，他在中国FOF&MOM基金管理人年会上进行了主题为《ChatGPT与量化投资》的演讲。他指出，量化投资是技术和金融结合的投资手段，而AI和ChatGPT的发展也在影响着社会的各个行业。尽管他们无法进行大模型研究，但他们鼓励员工应用ChatGPT来提升工作效率。

王鸿勇还分享了对ChatGPT的学习和理解，并探讨了其对未来社会和量化投资的影响。他认为ChatGPT的发展推动了新的技术范式，并与量化投资有很多相似之处。他将人类社会视为一个三位一体的复杂系统，随着AI发展，信息成本降低、模型无处不在、行动变得简单将成为未来的趋势。

未来的形态可能是实现人和机器的有机协同、有机结合。量化投资与ChatGPT有很多相似之处，都可以理解为信息系统、模型系统、决策系统。最早的量化投资是在研究因子，从金融数据中提取有效信息，而ChatGPT也是通过海量数据进行训练来生成自然语言处理模型。量化投资的发展经历了信息效率提升和模型效率提升的阶段，而AI赋能到量化投资则提高了模型效率。

随着模型越来越多、信号越来越丰富，决策的问题也变得重要起来。AI在金融领域的应用需要大量的数据、算力和算法，并依赖于顶级人才来开发各种算法。基础设施建设对于AI研究和量化投资都至关重要，而团队组织和管理也是关键。尽管AI有潜力在未来取代量化投资，但目前金融市场的低信噪比和过拟合风险使得两者之间仍存在很大的不同。

ChatGPT与量化投资的关键区别在于稳态问题和非稳态问题。ChatGPT解决的是一个相对稳定的问题，例如识别猫或沉淀知识，虽然未来可能会发生变化，但变化是缓慢的。而金融市场是一个不断变化的市场，量化投资需要持续开发新的有效策略来适应市场变化。

由于金融市场的不确定性和快速变化，训练一个量化模型需要大量的资金，而且策略也可能很快失效。这是与ChatGPT所面临的稳态问题相反的情况。因此，个人认为ChatGPT很难取代量化投资。

量化投资的发展可以分为四个阶段。1.0时期是最简单的时期，主要关注单因子策略；2.0时期是多因子策略的兴起，注重信息效率和因子开发效率的提升；3.0时期开始使用非线性方法和神经网络来改进预测能力；4.0时期则是AI技术全方位应用的阶段，包括深度学习、分布式算法和处理另类数据等。

要保持量化投资的竞争力，两个关键因素是效率和风险管理。提高研究和开发策略的效率对于量化公司来说至关重要，包括基础设施建设、团队管理和数据处理等方面的提升。同时，金融市场的风险是不断演绎的，对风险的管理和把控也是成功的关键。因此，持续加强对风险的研究和管理是量化投资公司保持竞争力的关键之一。