魏晓雪表示，公司的首只量化产品最大特色在于运用人工智能（AI量化投资策略来做增强收益，在匹配基准行业和风格的基础上，使用深度神经网络模型，对组合收益进行增强。“与此前许多的量化基金相比，我们利用路博迈基金自主开发的机器学习模型，将选股逻辑、因子模型和风险控制等核心要素一一进行了优化。”

　　AI赋能量化投资

　　当被问及路博迈基金量化策略的特点时，魏晓雪抛出的关键词就是AI。她向记者介绍，与不少公募量化机构使用传统多因子策略不同的是，路博迈基金致力于运用深度神经网络模型，在海量数据中挖掘市场特征。“其实AI赋能在量化投资中并不少见，早在多年前，不少量化私募机构就通过AI进行高频交易，但我们作为公募机构，会更加看重因子长周期预测的准确性。”此外，魏晓雪表示，模型还会将不同因子的权重进行动态调整，以适应不同的市场风格。

　　在魏晓雪看来，当超额收益中的个股贡献程度超过了风格和行业，模型的胜率就会显著提升。她进一步表示，根据路博迈基金量化模拟组合的相关数据，组合超额收益的来源主要来自于行业因子、风格因子和个股，个股选择带来的超额收益占比超70%。

　　“机器学习模型模拟了我们人类对于知识学习的过程。我们首先在课堂里学习前人的知识，课后通过作业来检验上课的学习成果，最终将学到的知识方法运用到考试中。在量化投资中，机器学习模型的训练同样是类似的过程，其目标是为了建立未来收益与历史数据之间的相互关系，通过对于正向输出的奖励以及对于负向输出的惩罚，不断自我优化，构造出从历史数据到选股指标的‘思考’过程，最终在选股指标的基础上，进行投资组合的构建。所以在模拟组合中，超额收益中的个股贡献程度超过风格和行业，我认为是一个非常不错的结果。”魏晓雪表示。

　　尽管路博迈基金公募量化团队刚刚起步，但在魏晓雪看来，集团早在多年前就开始了对人工智能等技术变革的关注。2017年，路博迈集团在投研团队设立大数据部门，在OpenAI兴起时，路博迈集团部署了NB-GPT提升工作效率，并融入投研流程。“首先，路博迈基金的机器学习量化投资模型使用超过十年的海量数据，不仅局限在财务数据，交易数据，还包括舆情、政策、产业链、行业等另类数据；其次，通过算法优化和硬件算力投入，我们的模型更擅长识别信号和噪声，能够更加敏锐地捕捉市场非理性因素带来的投资机会。”

　　底层数据及时更新非常重要

　　近期DeepSeek横空出世，点燃了资本市场对AI技术的讨论热情。在魏晓雪看来，将人工智能技术运用到量化策略，是未来的发展趋势。

　　魏晓雪表示，目前金融市场数据呈现爆发式增长，包括传统结构化数据（如价格、成交量和非结构化数据（如新闻、社交媒体、财报文本。AI技术（如自然语言处理、图像识别能够高效处理和分析海量、多维度的数据，挖掘出传统方法难以捕捉的信息。此外，金融市场风格的快速切换容易使得传统量化策略失效。而AI模型能够通过实时学习和动态调整，快速适应市场变化。

　　同时，魏晓雪认为，目前金融市场中存在大量非线性关系和隐藏模式，传统线性模型难以捕捉。AI技术（如深度学习、神经网络能够自动学习复杂的非线性关系，从而更准确地预测市场走势。

　　此外，魏晓雪说，硬件（如GPU和算法（如深度学习、强化学习的快速发展，使得AI模型能够更快、更高效地处理复杂任务，为量化投资提供了强大的技术支持。

　　尽管AI技术在量化投资中展现出巨大潜力，但也面临一些挑战。“比如AI模型可能过度依赖历史数据，导致相关策略在未来市场中表现不佳。所以底层数据及时更新是非常有必要的工作，因此我们的模拟组合非常注重数据更迭以及策略的调整频率。”魏晓雪表示。