近期国内某主观私募公开发声，将用AI取代基金经理投资工作，引起业内较多关注。该私募称，拟安排公司4位研究员，以及一个基于人工智能的机器人，独立管理5只不同的私募基金。
对于这则私募圈热点新闻，多家受访的百亿私募人士却普遍给出“偏谨慎”的分析和看法。
仍存在多个短板
在传统股票主观投资管理中，AI彻底取代基金经理，有哪些前提条件？目前面临哪些难点？未来可能出现怎样的取代进程？
针对上述问题，上海某百亿级主观多头私募负责人向中国证券报记者表示，按照正常的投资决策流程，一只股票被基金经理决定买入前，普遍经历深度研究、股价观察、上市公司现场调研等多个重要环节。而在这些环节之后，也需要满足相应条件才能进入投资决策流程和交易阶段，并在建仓后仍需跟踪股票进行仓位管理。“整体而言，大量的投研工作人工参与度都很高，很难由AI替代。”该私募人士称。
此外，该私募人士同时指出，目前国内私募行业中AI参与度最高的投资方式无疑是量化策略，但即便如此，仍然需要专业人员对风控指标、持股权重等多个关键点，进行主观或主观与量化结合的设置，才能符合产品设计要求。
与此同时，多家百亿私募的相关人士表示，在目前的私募行业规范下，“纯AI管理基金”实际上存在明显的合规漏洞。在现有法规框架下，基金经理作为基金投资的第一责任人，也是私募基金法律关系中不可或缺和严格规定的一环。
量化赛道已有应用
对于AI相关技术、模型在金融投资中的融合，多位头部量化私募人士也普遍指出，多年以来，量化投资对于AI已经展开了较多深度应用。
宽德投资相关人士称，从某种角度上看，“AI彻底取代基金经理”事实上是一个伪命题。一方面，在量化投资行业，一家合格的量化管理人应以投资结果为目标，而非过度关注是否“纯AI化”。另一方面，量化投资本就属于“人脑+电脑”的科学投资范式，随着人工智能的不断发展，人脑与AI的结合方式还会持续进化、丰富，朝着不断优化投资效率的方向迭代。无论是以各类Copilot为代表的辅助型生产力工具，还是使用“接近文本层面的AGI水准”大语言模型处理文本类型的另类数据，以及利用深度学习技术为代表的机器学习进行市场定价等，近年来AI在量化投资领域的场景化应用是全方面的。如生成交易信号、优化配置资产、风险度量、风险预测、动态风险控制等。从该机构自身的发展来看，公司也将持续拥抱新技术的应用，不断融入量化框架的每个环节。
鸣石基金相关负责人介绍，在该机构“五环多核”量化流水线投研模式中，AI环节是重要一环，主要应用于信号构建以及因子挖掘。此外，AI技术还在公司的另类数据处理、交易决策等投研环节中均有涉及。随着算力资源的不断升级，未来AI在公司各环节的覆盖度预计将持续增大。
定位“赋能”更显科学
世纪前沿相关负责人表示，AI的蓬勃发展，极大地提高了量化投资的效率，它的生产力升级对于量化投资的发展大有裨益，相关“赋能”能够让研究的过程更加如鱼得水。从根本上看，AI带来的技术更新，正是量化投资整体系统工程优化中重要的部分。整体来看，量化投资是一个综合性系统工程。虽然AI能够有效提高投资效率，但不能和量化模型、量化策略直接划等号。
作为一家以FOF策略为主的头部管理人，万丰友方副总经理张伟进一步表示，仅从技术角度而言，AI目前主要承担投资“赋能”与“助推”的角色，作为独立基金经理自主投资决策的条件并不成熟。投资本身并没有放之四海而皆准的方法，如何找到“正确”的知识让AI去自主学习是其中的难点。此外，张伟以该机构的实践举例称，在FOF投资中的资产配置领域，公司多年前自研推出的资产配置管理系统，就运用了AI技术自动识别产品并生成产品特征，按照策略分析模型筛选出优秀管理人，并对不同产品进行“多维画像”。
张伟认为，整体而言，FOF管理人既需要具备底层优秀投顾和策略的挖掘、甄别能力，也要有跟踪判断管理人投资和组合优化的能力，并且还需要在此之上形成自身的大类资产配置、风险定价、风控管理、投后管理能力。而在这些投资流程中，AI能够起到强大的支持赋能作用。随着大模型的兴起和应用，AI在复杂数据和模型的处理、资产配置的优化和投资决策效率提高上，将有更多发挥空间。
