◎记者 何漪

近期，DeepSeek凭借其高性能、低成本以及开源的特点持续火爆，正在深刻影响多个领域的发展。在量化投资领域，DeepSeek的出现更是掀起了一场变革。

在安信基金量化投资部基金经理施荣盛看来，从1.0线性多因子模型到2.0机器学习算法模型，AI技术已经深度融入量化投资，且效果不错。DeepSeek推出后，量化投资模型有望迎来3.0时代。

施荣盛认为，DeepSeek通过强大的数据处理能力和精准的风险预测功能，能够极大地提升投资决策的效率与准确性。同时，DeepSeek以低成本架构大幅降低了量化投资门槛，使得更多机构能够以较为经济的方式应用AI技术。

迭代的量化投资模型也取得了显著成效。以沪深300指数增强基金为例，截至1月31日，市场上以沪深300指数为跟踪标的的指数增强基金共有66只（仅统计主份额），相对于沪深300指数，近一年超额收益超过8%的仅有1只，为施荣盛管理的安信量化沪深300增强。

长期关注AI领域发展

施荣盛长期关注AI领域发展，读博期间的研究方向是偏理科的资产定价，主要做实证行为金融。“读书期间，我学过一些机器学习基础知识，一直非常关注AI领域发展。”施荣盛说。

毕业后，施荣盛进入证券投资行业，从事量化投资已有11年时间。施荣盛说：“当时，国内量化投资刚刚起步，恰好赶上了量化投资的第一波浪潮。读博时期研究工作的内容和方法与量化投资基本一致，能将所学所研无缝衔接到工作中。”

据介绍，1.0时期的传统量化模型大多采用线性多因子模型。线性多因子模型通常是基于稀疏性假设，很难匹配金融市场复杂多变的特征。因此，为了确保量化模型的稳定性和解释能力，在构建模型、组建因子时，基金经理大多选择纳入少量的关键因子，新增因子的难度比较大。

让机器学习融入量化投资

施荣盛表示，现代金融持续发展，建立模型不再依赖传统理论推导，而是更加注重数据驱动。大数据、机器学习算法不断更新，让量化模型提升了因子吸纳空间，形成自动化筛选与优化因子。“量化投资模型迎来2.0时代，国内外量化机构已广泛应用机器学习算法。”施荣盛说。

自2020年开始，施荣盛将研究重心转向机器学习算法。施荣盛告诉记者，刚开始把机器学习算法融入量化投资时非常艰难。由于数据低信噪比、平稳性弱等限制，大到算法选择，中到超参数调优，小到变量预处理，所作出的每一个决策都会影响机器学习算法在量化投资中的应用效果，存在诸多不确定因素。

“在此过程中，最重要的是理解量化投资的‘道’和‘术’，以及认清自身能力的边界，坚持做正确的事情就会有不错的成果。”施荣盛谈到，经过3年探索，开发出适合公募基金投资的机器学习量化模型，依靠概率优势和大数定律去获得证券市场错误定价的收益，从而提高市场的有效性。

DeepSeek拓宽量化投资边界

近期，DeepSeek横空出世，在市场引起广泛关注。施荣盛认为，DeepSeek在量化投资领域体现出多方面优势。凭借强大的数据处理能力和精准的风险预测功能，DeepSeek能够极大地提升投资决策的效率与准确性。同时，DeepSeek以低成本架构大幅降低了量化投资门槛，使更多的机构能够以较为经济的方式应用AI技术。

据施荣盛介绍，运用DeepSeek技术，量化投资能够提高编程效率、加速机器学习模型的学习与开发、拓展挖掘另类因子，从而提升投资的有效性。“同时，AI Agent（智能体）具有高效的数据处理与分析能力、动态策略优化等优势，有利于提升量化模型的有效性，我也正在积极地探索AI Agent（智能体）应用方案。”

“从整体来看，以DeepSeek为代表的大语言模型将大幅扩展量化投资的边界，量化模型发展可能迎来3.0时代。”施荣盛说。