基金火线加码AI，砸百万年薪招聘

　　7月23日讯：AI是2023年全球范围内最具颠覆性的方向，引发A股市场资金追捧，更成为公募行业投研积极扩展的重要方向。

　　据中国基金报记者了解，目前多家公募机构积极运用AI技术，在资金交易、量化投研等多个业务领域探索落地场景，AI为投研能力赋能可谓进行时。

　　不仅如此，基金公司还大力招揽机器学习研究员和工程师，多举措聚集优秀的AI人才，甚至有公司开出了百万年薪来吸引人才。大量AI技术的应用和落地，未来或给市场和行业演绎出新精彩。

　　重金招揽AI人才

　　日前某量化私募“日薪4000元招实习生”的举动成为近期市场热门话题，从背后折射出量化、AI等技术越来越受到金融机构的重视。从今年看，基金公司正在大力招揽机器学习研究员和工程师。

　　记者注意到，在招聘网站上，多家基金公司重金求机器学习类人才，不少机构开价在百万年薪级别。一条招聘贴显示，某基金公司正在招聘机器学习开发工程师，给出90万到112万/年的薪资。

　　也有公司在实名招聘.。如创金合信基金就在寻找机器学习开发工程师。在工作职责方面，在该岗位任职需要负责机器学习、NLP、OCR、RPA等人工智能技术及算法的研究和应用开发，结合基金业务实际应用场景形成具有竞争力的智能化应用解决方案，并实施落地;跟踪人工智能最新研究成果和技术趋势，适时引入相关技术驱动业务创新。同时，鹏华基金也在招兵买马，实名招聘机器学习工程师。

　　另一家大型基金公司也在招聘机器学习/深度学习，开出25-50K·23薪的有竞争力的薪资。还有基金公司给出60-90K·15薪的更高筹码。

　　除了在招聘网站上招募人才，不少公司还有多元化的人才策略。

　　博时基金相关人士介绍，在招聘和储备机器学习相关人才方面，首先与顶级大学和研究机构建立合作关系，通过实习、项目合作和校园招聘等方式吸引优秀的研究生和博士生，比如我们正在和北大CCF联合举办量化比赛，寻求合适的人才。

　　“其次，博时基金在行业内也建立了良好的口碑，不断吸引已经在机器学习领域有所建树的专业人士。最后，公司还为员工提供持续的培训和学习机会，成立了AI兴趣小组、并定期展开研讨会，从内部挖掘具备学习能力和创新精神的员工。”上述人士表示。

　　AI技术赋能公募投研

　　在积极招兵买马的背后，是看好AI技术能赋能公募基金投研业务。

　　上述博时基金人士介绍，在投研上，公司主要运用深度学习和树模型分析市场行情数据和基本面因子指标，捕捉资产价格和交易行为中的复杂规律，辅助投研人员进行选股逻辑生成和选股信号挖掘。深度学习主要用做因子挖掘，机器学习算法主要用来滚动地捕捉资产预期收益与因子指标间的数量关系及变化规律。

　　在上述人士看来，机器学习在研究领域具有很多独特优势，首先，相较于人类研究员，机器学习算法可以处理大量、高维度的数据，这在处理复杂的金融数据时尤其重要。

　　其次，无监督的机器学习有时能够揭示数据之间的复杂关系和隐藏规律，提供很多具有启发的新视角和新观点，能够给研究员和基金经理更多启发，最后机器学习也能够替代一部分重复性的工作，比如信息提取、风险监控、高频交易等等。

　　事实上，通过机器学习技术的运用，部分基金公司已经获得实际效益。长城基金总经理助理、量化与指数投资部总经理雷俊表示，过去更多用传统基本面多因子框架，去年底公司应用了自行开发的基于深度神经网络和机器学习框架的因子挖掘系统。

　　“从过去私募和其他同行的应用情况来看，对于小盘这一类产品，因子挖掘、深度学习框架展现出较强的竞争力，这也在我们2021年开始跟踪的内部模拟盘中得到了验证。所以去年底开始把这套Alpha模型运用在偏小盘市值的产品中，在广度领域，这套方法论的ICInformation Coefficient，信息系数)因子收益预测能力更强，预测的稳定性也更高。我们将该方法应用在了长城中证500指数增强与长城量化小盘上，这两个产品今年实盘跑得比较不错。”雷俊进一步表示。

　　谈及机器学习在研究领域的优势，雷俊分析称，“一是相较于传统多因子模型的线性指标分析，深度学习模型可以处理一些非线性数据，比如文本，一段文字或者一个研报。二是截面跟时间序列的区别，时间序列在深度学习框架下有很多模型去做。三是最终形成的结果里会有比较多非结构性的东西，而且它是一个系统，理论上可以做不同的‘供给’，可以扩充庞大的因子库。”

　　此外，还有人士认为，整体而言，基金公司利用AI相关技术对研究的赋能，包括海量信息的提纯、加工；产业链上下游各个环节的研究数据梳理与模型化；基于中文文本训练而进行的产业、标的等的情绪分析等。通过AI技术可以极大释放研究的潜力，提升研究的效率。未来随着AI技术的进一步落地，可能对整体投研带来不少变化。

　　或将逐渐深度参与投研

　　越来越多的人工智能技术应用到投研环节，已成为不可抵挡的趋势。

　　“传统机器学习开发训练门槛高，对训练数据要求高，投研应用场景有限。随着以大模型为代表的新的人工智能技术的发展，相信人工智能技术将会在量化投资、数据分析、合规数字化等领域发挥更大的作用。”上述博时基金人士就表示，未来将会持续关注并跟进最新的人工智能技术，将其应用在投研和日常工作中。

　　据一家大型基金公司人士也表示，机器学习在金融投资中的应用，主要包括预测股票市场、风险控制、智能投资组合等方面。可以用于提高投资决策质量和有效管理金融投资，促进投资成功，以及使投资者能够以更低的风险获取更高的回报。

　　“金融数据的一个很重要的特点就是低信噪比。一方面因为噪声过于繁多，会淹没真正的有效信息；另一方面，交易行为的存在使得金融市场的低信噪比这一特征长期持续。”上述人士表示，单一的学习器常常无法准确的捕捉市场的某些重要特征和有效信号，从而产生较大的偏差。而机器学习的主要目的在于发现规律或重现规律。算法的不断改进或将提升机器学习在低信噪比数据上的表现。在全面注册制时代，机器学习拥有更广阔的应用前景，有利于提升投资效率，辅助投资决策。

　　谈及具体对市场的影响，雷俊也有深入分析，他认为，从IC来看，目前深度学习适用的市场还是非常广泛的，牛市、熊市、震荡市都能适用，但是会有一些区别。

　　“整体上看，IC的有效性在下降，市场的有效性在提升。从时间长期维度来看，越来越多人利用这项技术或者这个data参与市场。”雷俊表示，深度学习的有效性体现在多头和空头这两个层面，空头估计略微比多头好一点点，在市场比较弱势或者震荡的时候，这一类产品在市场上的排名会更好。而在全市场强进攻的行情下，它可能跑不过赛道股，但有望能跑赢指数。

【免责声明】本文仅代表作者本人观点，与聚股通无关。聚股通站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。

【聚股通版权与声明】

1、凡本网注明“独家稿件”的所有稿件和图片，其版权均属聚股通所有，转载时请注明“稿件来源：“聚股通”，违者本网将保留依法追究责任的权利。

2、凡没有注明“独家稿件”及其它转载的作品，均来源于其它媒体，转载目的在于传递更多信息，与本网立场无关，本网对其观点和真实性不承担责任。

3、如因作品内容、版权和其它问题需要同本网联系，请在发布或转载时间之后的30日以内进行。