近年來，在市場分化較大、獲取超額收益難度增加的背景下，量化基金憑借著多因子、多策略的選股模型，以及對機器學習、神經網絡等AI技術的運用，展現出穩定跑贏業績比較基準的優勢。據統計顯示，截至2月21日，全市場共有194只名字中含“量化”的基金（剔除成立不足一年的產品），近一年平均回報達20.18%，平均跑贏業績基準3.97%。其中，廣發量化多因子以51.22%的回報排名前列，相較業績基準取得了23.03%的超額收益。 

廣發量化多因子以國證2000指數為業績基準，聚焦中小盤股票投資。基金經理李育鑫是統計學博士，具備扎實的數理背景與數據分析能力，熟悉運用人工智能機器學習算法。在管理廣發量化多因子時，李育鑫在策略中引入AI選股模型，構建了“傳統線性模型+機器學習模型”的雙輪驅動框架。“AI的核心價值在于其強大的信息整合與模式識別能力，尤其在價量因子挖掘與因子復合環節，AI模型能有效補充傳統方法的不足。”李育鑫表示。 

憑借著AI技術與傳統量化模型的深度融合，廣發量化多因子在中小盤增強賽道中展現出比較優勢，近期積累了良好的業績。統計顯示，截至2月21日，廣發量化多因子自李育鑫2023年10月任職以來的回報為31.12%，近一年累計漲幅達51.22%；另據銀河證券數據，其近一年回報在479只靈活配置型基金(基準股票比例60%-100%)中排名前10%。 

“在量化投資中，數據源的多元化、低相關因子的充分儲備、模型的多樣性都非常重要，能夠提升選股模型的預測準確度，更好地應對不同的市場環境。”李育鑫介紹，以廣發量化多因子為例，其在過去一年的超額收益主要源于兩個方面：一方面，拓展數據來源與研究路徑，多元而廣泛的數據源覆蓋，為挖掘出更多低相關、多源化的阿爾法因子提供了充沛的“彈藥”；另一方面，充分運用機器學習技術，可以拓展分析框架的廣度和深度，有助于挖掘一些非線性的因子，并且能提供更高效的整合策略，從而獲得額外的超額收益。 

面對AI技術的迭代浪潮，李育鑫表示，相較于傳統的線性模型，深度學習模型在復雜場景中具備更強的學習能力。例如，在近期“火出圈”的DeepSeek中，深度學習模型就扮演著非常核心的作用。對應到金融市場，尤其是對于一些中高頻的定價規律，深度學習模型還有很大的發揮空間。展望后市，李育鑫分析，短期需留意海外通脹超預期的潛在壓力，中長期則關注技術賦能下改善企業盈利預期逐步強化，目前看有利于小市值與成長風格板塊，預期量化策略會受益于技術擴散帶來的“復利效應”。

 來源：中國經濟網