乌云正在散去，阳光照在屋脊。
在投资世界中，AI技术的融入不仅是一次简单的技术迭代，更是一场深刻的革命。
黎海威作为公募量化的代表人物之一，和景顺长城的量化投资团队在基本面量化方面投入的历史很长，造诣颇深。团队有超过10年可追溯业绩，量化投资管理规模超百亿，拥有主动量化、指数增强、量化对冲等丰富的策略，产品线非常完善
，跟踪的指数涵盖了大中小市值，旗下如景顺长城沪深300指数增强（000311）、景顺长城量化新动力（001974）、景顺长城沪港深红利成长低波动（007751）等都是耳熟能详的产品。
诚然，过去两年多是公募量化的“乌云时刻”——除了小盘和红利策略（即哑铃策略）之外，多数量化策略表现平淡——这既与公募对流动性的高要求有关，也与复杂多变的极端的市场环境带来的扰动有关。
但改变的时机或许已经到来。
黎海威判断，随着宏观和市场环境的变化，“哑铃化”策略“独当一面”的情况可能会缓解，基本面量化策略迎来修复行情。
改变的另一个抓手在于“AI”。
在过去几年里，对AI的实践和应用逐渐渗透入了景顺长城量化团队投资过程的每一个环节，从数据处理到因子研究，从因子合成到投资组合构建，许多工作都因为AI的参与被改变了。
“未来，
量化的每一个环节可能都会被AI重新改造一遍，并带来完全不同的产出效率
”，黎海威断言。他坚信，AI的全面融合将为量化投资带来前所未有的生产力提升和决策精度。
景顺长城量化投资团队拥有多年深入的基本面量化建模功底，结合近两年AI技术在量化投资的应用，打造了相对成熟的人机结合的多策略框架，即将步入量化投资的新时代。
和黎海威的对话，从交易因子的变化谈起。
他总结，如果把投资风格归结到“因子”，每一个投资者都要面对一个事实：每个人的能力圈（擅长的因子）是有限的，不可能在任何环境下都能赚到钱。
各类投资风格可能会有阶段性业绩领先，“各领风骚”一段时间。
拉长来看，长期的年化收益最终相差不大。
这意味着，在各类投资风格不断轮动的这5年中，
对基金经理来说，尽量把投研的内功修炼好是更靠谱的选择，在耐心等待中不断进阶投资能力。
而现在可能市场风格就到了切换的时点。
黎海威认为，股票市场是经济的镜像，股票市场最终是反映经济的。从规律上说，宏观比较弱的时候，市场风险偏好非常低，投资需要避险，这时候容易形成此前火热的“哑铃策略”（例如关注分红和小盘股）。
而如果经济回到比较正常的态势，市场的风险偏好有所修复，此时会更加关注基本面和业绩的成长性，整个市场会逐渐回到各类风格比较均衡的情况。
回到当下，黎海威说，市场开始有了一些变化的迹象。
比如，今年年初到现在，虽然总体上还是红利、低波、价值策略比较强，但是公司的预期收益增长率的估值（PEG）、分析师预期指标的表现近期开始逐步提升，特别是二月份以后，这个趋势相对显著。
这种投资风格的演变对提升整个资本市场定价的有效性、促进基本面策略的复苏肯定是有帮助的。
AI会给量化投资带来什么变化？
黎海威的看法是，AI对包括量化投资在内的投资领域的触动会非常大，有可能开启一个新的阶段。
景顺长城近年来积极运用机器学习、人工智能、大数据、大模型等AI新技术，对量化投资全链条业务进行“迭代”，实实在在地提高了各个环节的效率。
据悉，机器学习相关理论已经存在至少几十年了，但直到近年随着计算硬
件和软件算法的突破，才真正应用到投资中来。
他举例，在以往的机器学习里，传要用到大量的矩阵运算，传统CPU很难高效完成这样的计算量。但现在应用新的GPU，比较有效地冲破了计算瓶颈，成百上千倍地提高了计算效率。这带来了机器学习能力的巨大跃升。
因此，随着算力的提升，AI可以敏锐地把多维度的大量信息进行计算和筛选，进而通过非线性模型找寻其中的复杂规律并形成投资结论。
这是以往传统的线性模型不太容易做到的。当然在这个过程中，人的作用仍然是第一位的，对数据如何处理，底层因子如何降噪，使用哪一种网络结构，都需要人的判断和加持。传统的线性模型的可解释度更高，得出的经验也能较好地扩展到机器学习领域，和机器学习模型有很好的互补性，两者并不是矛盾的。
那么，在量化策略的研究领域，机器学习也会带来进步吗？
黎海威的答案是——当然！
他指出，机器学习并不如有些观点里讲的只能做“价量分析”。景顺长城量化团队的经验是，在使用非线性模型后，机器学习可以拿来做财务分析、文本分析，协助研究员做因子研究，且大大提高效率。
他认为，机器学习前些年在高频数据中被频繁使用，是因为这样的应用更便利、在小盘股中性价比更高，但其实机器学习可以帮人做很多事情。
“理论上，AI可以把整个量化研究投研的各个环节都全部重做一遍。”
黎海威介绍，景顺长城的量化模型在AI的支持下已经演变成了一个多周期、多模态的模型，而且，随着相关研究的积累，
最终向基本面与机器学习深度结合的方向迈进。
黎海威进一步认为，主动投资和量化投资会互相借鉴，同时利用AI技术提质增效。
量化借鉴主动的深度思维和决策逻辑，提高模型对基本面深度的挖掘、对行业景气度的跟踪和产业链上下游传导机制的理解。主动投资团队将借助AI和量化手段，提升信息的处理能力和扩大投资的宽度。
黎海威总结, 目前A股投资并非一个简单的数学或科学问题。由于众多市场主体的参与、经济周期波动以及政策的影响, 单纯依赖量化模型或主观判断都可能面临局限性。因此,将主动投资的人类智慧与量化投资的机器算力优势相结合、互补, 才能更好地适应未来市场的变化。
