夜雨聆风最近后台有朋友私信了几只量选产品，让帮忙看看。
风云君仔细研究了一下，发现有一类策略，在今年超额比较难做的行情下，它的波动明显更小、超额也更亮眼。
本来我以为会跟择时、对冲之类的子策略有关系。
结果细看发现，这类策略跟其他量选最大的不同，其实是选股模型用了机器学习，融入了些AI元素。
为啥会出现这种情况呢？
我们从两个选股模型聊起。
先说下传统的多因子选股。
在人工智能尚未普及的年代，传统多因子选股早已坐稳主流席位。
它依托经典金融投资理论，从最初单一依靠市场风险解释收益，逐步纳入市值、估值、盈利、动量等各类影响股价的要素，最终形成了完善的多因子体系。
所以传统多因子选股，简单来说就是资深投研团队依托实战经验，结合行业基本面、市场情绪，人工筛选有效投资因子，再根据市场变化划定因子权重。研究员依据个股综合因子得分筛选标的，兼顾风控要求，定期调整持仓，完成选股。
其优势在于策略逻辑清晰直白，透明度极高。每一步操作都有据可依，人工参与度高，所以策略可解释性强，策略稳定性更高。即便策略出现较大变动，也能精准归因、及时调整。
但随着市场迭代，这套模式的短板也暴露得愈发明显。
最核心的痛点，就是高度依赖人工经验，因子挖掘效率十分有限。研究员往往需要耗费大量时间精力，量化投研一度也因此被称为"血汗工厂"。
另外随着因子挖掘越来越充分，真正有效因子的挖掘难度越来越大，也导致各家因子同质化日趋严重，超额收益被大幅摊薄。
此外，传统多因子多采用线性思维，难以捕捉市场中隐性的一些联动关系。这就导致面对风格切换、行情震荡时，固定因子权重无法及时适配，超额收益增长空间受限，渐渐跟不上市场节奏。
随着大数据与人工智能发展，AI选股顺势崛起，成为量化行业突破瓶颈的新方向。
与传统多因子不同，AI选股跳出人工思维局限，不依赖预设因子，而是全盘吸纳各类数据——既包括行情、财报等结构化数据，也涵盖研报、舆情、产业动态等非结构化信息。
依托强大算法模型，AI能自主提炼有效投资特征、挖掘隐性信号，梳理数据间的非线性关联。整个策略运作过程中，模型会持续自我学习、跟随市场实时优化，这个过程无需人工频繁干预。
这套逻辑也让AI选股展现出诸多优势：
第一，市场适配性极强，灵活度高。A股市场风格轮动快，时而偏向大盘价值，时而青睐成长小微盘，AI模型能直接从市场交易数据中察觉到这些变化，快速捕捉市场异动，第一时间调整选股偏向。
第二，超额收益能力大幅升级。摆脱了人工挖因子的束缚，AI能够挖掘出海量多元化的投资信号，捕捉细碎定价偏差，长期下来与传统多因子的收益差距明显。
第三，回撤把控更优。AI模型更能识别市场潜在风险信号，察觉市场恐慌情绪和资金出逃趋势，及时优化持仓结构，规避高波动、高危个股。在极端震荡行情里，能最大限度压缩净值回撤幅度，而在市场企稳后快速完成净值修复。
也因此，AI选股的超额曲线，与传统多因子选股存在比较明显的差异。
传统多因子的超额收益通常波动更大，呈周期性特征。尤其市场风格切换时，会出现明显回撤，适配行情下超额表现较强，但伴随资金堆积超额会出现衰减。
而AI选股因能直接从数据转化为交易信号，对市场适应性更强。风格切换时能及时调整持仓，因此回撤更小，市场有超额机会时，进攻性更强。
超额收益曲线更平滑、斜率更高，行情向好时快速冲高，调整阶段稳住底盘，整体韧更有韧性。
这也就很好理解，为什么AI属性更强的量化选股策略，面对行情剧烈扰动，净值波动会小很多。
当下，AI选股确实在强势崛起，但其门槛远超传统多因子。
一方面，算力投入巨大。就说头部量化机构幻方的“萤火二号”算力集群，2021年硬件投入就达10亿元，后续运维开支持续攀升，这对多数机构而言难以承受。
其次，数据源要求高，需手握全面优质的海量数据，同时配齐兼具金融经验与AI技术的复合型人才。
最后，AI的“黑箱”属性令人担忧，部分策略逻辑晦涩、收益难追溯，还易出现数据过拟合问题。这既是技术难点，也是投资人在布局AI量化产品时，必须重点甄别和规避的。
总的来说，传统多因子撑起了量化选股的基本盘，AI 选股是行业升级的大趋势，绝非空有热度的概念噱头。
当然，这也对管理人的综合实力提出了更高要求。
对我们投资人而言，下一阶段的关键，或许就在于能否找到真正有能力驾驭AI工具，并用透明、可解释的方式把超额做扎实的团队。
风云君也梳理了几个超额表现优异、运行良好、运用AI选股模型的量化策略私募，感兴趣的朋友，可以点击下方图片，添加风云君企微，领取详细资料。
