AQR押注機器學習 阿斯內斯成為人工智能信徒——彭博社

克里夫·阿斯內斯攝影師：喬·巴格萊維奇/彭博社華爾街傳統量化金融的標杆人物克里夫·阿斯內斯，曾對機器學習能否在AQR資本管理公司掀起波瀾持懷疑態度。

然而在這位AQR聯合創始人發出技術潛力警告七年後，情況已截然不同。該公司正為兩種機器學習策略募集外部資金，如今這類人工智能技術為其旗艦多策略基金提供了約五分之一的交易信號。

這一轉變堪稱驚人。阿斯內斯憑藉價值投資等經典規則化證券選擇方法——這些基於數十年學術研究驗證的經濟原理——將公司打造成規模1280億美元的巨頭。但機器學習技術通過發掘缺乏直接經濟邏輯的潛在盈利交易思路，正在顛覆傳統量化方法。

在發現計算工具能使選股模型更智能靈活後，阿斯內斯及其高層團隊已成為信徒——這也在系統化資金管理的關鍵領域引發了新的爭議。

布萊恩·凱利來源：AQR“有時你可能會在市場數據中發現可靠的模式，卻無法從經濟學角度充分解釋這些模式存在的原因，”機器學習部門負責人布萊恩·凱利在AQR位於康涅狄格州格林威治的總部接受採訪時表示，“如果僅因不理解信號為何有效就放棄那些具有可靠預測性的信號，我認為這是偽科學——更無疑是糟糕的資產管理。”

凱利的同事托比亞斯·莫斯科維茨指出，機器學習方法通過使這家系統化投資公司能更靈活快速地整合最新研究成果，從而提升業績表現。雖然這項技術尚處早期階段，但在今年關税引發的市場波動中已初見成效。

據知情人士透露，AQR旗下規模34億美元的多策略旗艦基金Apex一季度上漲9%，表現優於多數同業基金（該人士因信息涉密要求匿名）。與許多對沖基金類似，受關税引發的市場動盪影響，Apex基金在4月22日前當月已下跌2.8%。這家量化機構在2023年推出聚焦機器學習的圖靈股票策略和圖靈宏觀策略後，於今年初開始為外部資本運作這些策略。

AQR的轉型是人工智能熱潮席捲資產管理領域的最新例證。橋水基金去年就推出了20億美元規模的AI基金，該機構近期表示該基金已創造出獨特的阿爾法收益來源（即超額收益）。

人工智能的擁抱發生在疫情前幾年經典多因子量化交易表現不佳的艱難時期，這給AQR等機構帶來了打擊。根據阿斯內斯自己的説法，市場效率有所下降，部分原因是社交媒體助長了投資者的從眾行為。

雖然這一點尚無定論，但有一件事是確定的：人們對這項技術在當今市場中的潛力越來越有信心。在日常交易中，AQR正在使用機器學習來解析收益電話會議記錄等非結構化數據，併為決定是否買入或賣出資產的交易信號分配權重。

AQR負責人莫斯科維茨表示，這些由人工智能增強的新模型特別擅長對各種不斷變化的數據點做出反應，比如交易成本、市場相關性和交易條件。

“我一直對把握因子時機和其他事情持懷疑態度，”他説，指的是預測每個因子何時表現良好的做法——阿斯內斯曾稱這種做法為“罪過”。“我現在相信我們可以做到一點點。”

AQR的傳統與這個新奇的世界截然不同。阿斯內斯在諾貝爾獎得主、芝加哥大學的尤金·法瑪指導下攻讀博士學位，法瑪在20世紀90年代初用線性迴歸建立了經典的三因子模型。

“老實説，人工智能讓我們在某種程度上偏離了一些我們過去討論的傳統東西，這讓我感到不舒服，”阿斯內斯説去年12月在彭博電視台上表示。“我可能讓公司在這一點上放慢了一兩年。”

要理解兩者的區別：傳統量化分析師和經濟學家通常採用線性方法。簡而言之，這種方法試圖將股票預測簡化為幾條簡單規則（即所謂因子），例如估值倍數較低的公司長期表現更優。相比之下，機器學習模型則致力於識別更復雜的模式，比如估值倍數如何與眾多其他市場變量相互作用來預測股票表現。

新舊方法各有利弊。前者易於解釋和理解，但可能忽略現實世界的真實樣貌及實際運作中的微妙之處。例如，基於線性模型訓練的系統永遠無法學會準確識別照片中的人臉或創作歌曲。

反觀機器學習，它可能發現僅存在於特定歷史數據集中的虛假模式——從而導致預測未來失敗。量化分析師稱之為"過擬合"。這在金融領域尤為棘手，因為證券數據噪聲更多且更有限，尤其對那些每月才交易一次的投資策略而言。

複雜系統

近年來，2018年加入AQR的耶魯大學經濟學家布萊恩·凱利率先指出這些擔憂被誇大了。他在合著的論文《回報預測中複雜性的價值》中更進一步顛覆傳統認知，主張模型越複雜，預測股票收益的能力可能越強。

這一切都引發了爭議。

牛津曼量化金融研究所的三位學者在最近一篇論文中警告稱，鑑於金融數據的噪音特性，模型複雜度增加可能導致表現更差。

合著者、牛津大學教授阿爾瓦羅·卡蒂亞表示：“在現實應用中，複雜度的提升終將到達收益遞減的臨界點。雖然無人能預知轉折點何時出現，但我們認為重金投入基礎設施的機構理應擁有更遠的臨界閾值。”

AQR資本管理公司的凱利指出，最新計算技術能有效解決過擬合問題。

“機器學習方法對過擬合成本的控制非常出色，其風險程度已遠低於我們既往認知。“他解釋道，“而欠擬合成本在業內長期未被充分重視。”

不過凱利坦言AQR不會完全轉型為純機器學習機構，公司仍堅持將經濟學原理嵌入算法框架，而非放任算法自由發揮。對於看似有利可圖但缺乏合理解釋的交易信號，其納入門檻會更高，持續探究信號背後的邏輯依然至關重要。

談及經濟學與人工智能的融合比例時，他表示：“五五開的穩態配置是否合理？我認為這個目標可行。當前達標了嗎？尚未。未來幾年能實現嗎？毫無疑問。”