财经车“投资就是要做有价值的事情。”泓德基金量化团队负责人苏昌景坚持着如此的价值观，也坚持用量化去筛选时代的赛道，用量化拥抱时代的红利。
与量化投资相遇相守数载，在技术浪潮的推动下，苏昌景见证了量化投资的蜕变，也积累着对量化投资的认知，更将这些理念与时俱进地应用于实践中。
强者与弱者思维
对于量化投资的理念，在苏昌景看来，量化投资就是要围绕股票价格波动的驱动因素展开研究与分析。具体来看，驱动因素拆解为三：一是超长基本面因子，即公司商业模式、治理水平、管理层能力等因素；二是高频基本面因子，即未来短期内行业的预期业绩增速或表现；三是短期量价因子，即交易过程中所体现出来量价相关的统计规律。
苏昌景认为，相较于主动投资，量化投资在超长基本面因子上优势并不明显。“越重视这方面因子，越是一种‘强者思维’，即投资足够优秀的企业。”苏昌景解释道，与主动投资相比，量化投资对企业的深度研究上具有天然弱点，因此量化投资更应该思考自身并发扬自身的优势所在，而量化投资朝着高频量价的转变也恰好提供了这一契机。
“高频量价更强调科技能力，越高频便越不依赖对公司的深度认知。”苏昌景认为，这更像是“弱者思维”。“虽然买了很多股票，每个公司赚的钱也比较少。但因为持有的公司众多，交易频繁，周转很快，因此可以获取丰厚收益。”苏昌景表示，量化投资的优势正在于用高频提升胜率。因此，量化投资需要考虑自身的投资体系以及策略表现的中短期市场适应性。“高频意味着周转，只有贴近市场风格，才能展开交易去赚钱。”
AI智能与人类智慧
如何挖掘高频层面的因子，是量化实践中的核心问题。
在苏昌景看来，技术的发展让量化因子挖掘各有所异。一部分因子源于人的认知，例如股票的交易热度、涨幅与成交数、股票收益率的日内分布等；另一部分因子则源于神经网络、机器学习等技术挖掘，这些因子往往是非线性，超越了人力理解的范畴。
如何用因子构建有效的量化策略，则是量化实践中的关键问题。
苏昌景介绍，在挖掘出因子后，无论是否有效率，都会将其放置于因子库中。“投资的本质是评判标的的预期收益率和风险。量化投资正是运用模型来进行预测，只是在具体操作中，不同频度的预测所运用的有效的因子会有所不同。”苏昌景表示，构建充分的因子库，不仅能便于进行不同维度的量化模型构建，而且能帮助模型更加体系化和完善化。
“AI未来是否会接管量化？”
科技在量化投资中的地位日趋重要，AI技术也同样引发着行业的思索。对此，苏昌景坚信，人在量化投资中的作用将无可替代。“一方面，目前的大模型解决的是通用性问题，在专业问题上未必有效；另一方面，一个优秀的数据模型离不开设计者对数据、算法技术的深入理解。只有人深度参与，才能产生有效的模型。”
专业人才与团队协作
早期量化投资最为强调两方面的底层能力：一是数据分析能力；二是软件工程能力。
随着量化投资逐渐由低频基本面投资转向高频量价交易，对人才的需求也在悄然发生改变。苏昌景介绍，“由于日渐高频，因此研究更多是数据流和价格波动的规律性内容。因此目前量化人才的长板，更来自于如人工智能、机器学习等科技领域。”
作为泓德基金量化团队负责人的他，也在致力于将泓德基金量化团队打造成一支更加专业团结的队伍。
不同于常见的部门制，苏昌景介绍，量化团队在泓德基金内以跨部门的柔性团队形式存在，以量化投资部为主，包括专户、风控、IT等多部门人员组成共同协作。多年的跨部门协作也让团队经验颇丰。“跨部门协作能让大家在同一个平台、同一个维度上展开讨论，也由此形成共用的技术平台，目前我们已形成了一套标准化的模块供大家调取使用。”
团队永远扮演着聚合放大的作用。苏昌景介绍，在共用平台的基础上，泓德基金量化团队成员依据自身所需调用因子，各有所长、通力协作。“团队首先坚持在量化的大框架下，坚定围绕股价波动的因素做深入研究和分析；其次，每个人再结合自身的背景和能力，选择最适合自己的路。”
未来量化投资想要做好高频量价，行业将在体系化和技术化层面展开竞争。落在团队的人才需求上，苏昌景表示，未来团队也将更重视复合型技术人才的招募与培养。“比如懂得AI、计算机视觉等技术，或是具有自然语言处理、生物统计学等背景的人才。在系统化、体系化的思路下展开培养。”
