广发基金陈少平：机器学习赋能，构建多元量化体系化投资，是一种利用数据和模型算法来进行投资决策的投研方法。和主动选股以深度取胜不同，量化投资通常会依据广泛的覆盖有两个关键关键：一是有多年经验的“船长”把握方向，知道哪里“有鱼”；二是高效有来自相关领域的专才，共同建设的“捕鱼网”。

远广发基金总经理助理陈少平，就是一位善于把握航行方向的“船长”。一位经验丰富的投研老将，她先后担任研究员、研究总监、联席主席、CIO、基金经理等岗位历练。如今，她凭借着善于研究和总结诂优势，基于量化业务先进经验，实现广发基金量化部持续探索前沿的发展方向。

“通过研究量化业务的发展趋势，我发现了高精度因子、其他类数据以及人工智能（AI）技术，陈少平介绍，广发基金量化投资部较早布局AI和机器学习方面，逐步构建起多元量化体系。她相信，未来量化投资将更加标准化、精准化，团队也将继续向其他类因子及机器学习的方向拓展。20年股票北京海问投资公司研究员、泰达宏利基金经理、研究总监，嘉实基金公司基金经理、研究总监、联席CIO。

“有鱼”的地方

中国证券报：你在基本面研究方面深耕多年，分管量化投资后，借鉴的这些经验如何赋能能量化团队？

陈少平：确实，在研究、总结市场的发展规律方面积累了一些经验，为团队提供了方向性的判断。从多年投研经验来看，我认为研究事物的发展规律非常重要。因此，我并结合自身在基本面研究上的积累，争取帮助团队把握大方向，就像芒格说的“去有鱼的地方捕鱼”。比如在今年初，点亮红利资产表现优异，点亮红利资产表现优异，成绩做出了正向贡献。

此外，积极引进先进技术和人才。更多得到越来越广泛的应用。因此，广发基金量化投资部较早针对人工智能和机器学习

<中国证券报：根据你的研究，目前正在着手如何运用AI和机器学习技术？

陈少的判定策略主要依赖于两个方向：一是辅助吸附因子，显着提升工作效果；二是整合因子打分。

不同团队在AI技术的细节处理上存在差异，包括模型设计、架构架构、数据建设和目标函数选择等方面，广发基金量化投资中国证券报：能否展开说，广发基金量化投资部如何在投研中体现先进性？

陈少平：一方面，随着技术的发展和进步，可获取的数据越来越丰富，此类数据的利用将极大提升选股模型的能力，充分利用人工智能技术和先进的计算架构，可以提升选股模型另外，在2023年以来的AI科技风口下方，团队对机器学习进行密切关注的技术和深度研究。机器学习等更有助于挖掘一些间接的因子，对于之前的技术来说，这些因子是比较难以捕获的。

另外，传统的因子复合方法非线性的“脑回路”，能够提供更高效的策略整合，有助于获得超额投资收益。

主动投资与量化投资逐渐融合，源自你的研究访谈来看，这两者各有什么特色？

陈少平：从投资方法看。优先投资是基投资则依赖于大数据分析、数理统计和自动化主动投资整体在大盘占优成长占优的市场风格下表现更加出色；量化产品则整体在小盘占优、价值占优时能获得更好的表现。可以说，量化投资在风格和模仿上天然适合作为主动投资的补充。

陈少平：相对来说，量化投资的技巧来自于不同维度的信息，利用信息广度的优势从股票潜在的市场机会中捕捉到胜率较高的部分，迅速做出交易决策，从而获得长期稳健的超额收益。因此，量化投资要做好，核心是捕捉到市场上长期有效的因子，有基本面支撑的思路去策略设计。 其次，量化投资的超额收益不是来自模型算力的简单基础，或者量化投资要取得长期合理的超额收益，需要实现以下三点：一是投资研紧密配合，研究员在精细方向三是抑制恐慌，积累长期业绩。

中国“对金融数据的深刻理解”？

陈少平：首先，我们坚持每一个因子和模型的设计都必须有逻辑、可解释，对过度数据挖掘产生的我们坚持的是价值投资理念，对基本面赋予相应的权重，在因子选用和模型设计上均注重稳定性。例如，配置了第一比例的基本面因子，使得模型的中长期预测更加稳定，能够达到第一的胜率。

第三，过针对因子风格特征的钻研，我们开发了多种具有独创性和差异性的量化选股模型，超额信息来源涵盖基本面数据、交易面数据、其他类数据等，为策略提供了长期而持续的生命力。基于策略的深入剖析策略效果受到影响的原因和

【多维度提升综合能力】

【中国证券报：这些年，资管行业的竞争很激烈，您认为切实量化投资需要具备哪些核心能力？

陈少平：在量化投资中，数据来源的信心、低相关因子的充分储备、模型的多样性都非常重要，能够提升选股模型的准确度，更好地应对不同的情况也是我们的持续不断投入和完善的方向。

在数据源层面，我们自主设计了大数据平台，致力于追求更广的覆盖面，包括公司财报、分析师数据、财务附注、日频率、分钟频率等不同颗粒度的价格量类数据。更多的数据来源，为我们寻找更多低相关的阿尔法提供了可能。

在因子库中，我们针对海量的市场数据进行收集、筛选、处理和提炼，形成了且非常重视对细胞因子细节的优化，大部分具有比较良好的选股效果。

在模型的设计上，我们对机器学习模型的经典论文进行了深度研读，在模型的设计上针对定制投资做了深度的定制和改进，对模型的各项特征进行了广泛而深入的研究。目前选股模型储备超20个，涵盖多因子选股模型和ai选股模型，实际有效开发代码超12万行。

中国证券报：在模型设计上，广发基金量化投资部有哪些迭代创新？

陈少平：经过近几年的探索，广发基金量化投资部从经典的多因子模型出发，逐步演化到多因子模型、量化基本多元量化体系的构建，既有助于应对不同风格的市场，也稳定不同类型的产品提供更匹配的策略选择。

目前也存在非线性的机器学习模线性模型的因子权重则市场环境下具备一定的差异。通过多模型的方式，能在一定的平滑波动，提高超额收益的稳定性。

中国证券报：团队未来会在哪些方向进一步展开研究研究？

陈少平：未来团队探索的一个方经过预处理的改造和改装，为公募量化业绩的提升有明显的效果。因子库的数据源挖掘新因子，现有数据基础上改进和重构形成新因子。此外，团队将继续从宏观中维度观、因子因子进行研究维度以及AI赋能等多角度优化因子配权模型。

以上就是关于【广发基金陈少平：机器学习赋能，构建多元量化体系】的相关内容，希望对大家有帮助！

来源：中国证券报