中国基金报记者 吴君
在人工智能时代，如何利用技术赋能主动投资，是近年来资管圈的热点话题之一。
作为全球领先的资管公司，贝莱德早在2008年就开始尝试大数据模型、机器学习，从纷繁复杂的数据中捕捉投资信号。如今，贝莱德的系统化主动投资策略管理着超1500亿美元资产，成为运用大数据分析、自然语言学习等先进科学技术，系统分析传统与另类数据赋能投资、捕捉市场投资机会的典型案例。
近日，中国基金报记者采访了贝莱德系统化主动权益投资团队董事总经理赵睿，她详细解释了贝莱德系统化主动权益投资（Systematic Active Equity, 简称“SAE”）策略的方法论，以及在中国市场的投资实践等情况。
利用机器给大量股票打分
通过主动选股实现超额收益
履历显示，赵睿毕业于哥伦比亚大学，获得金融学博士学位；2006年加入贝莱德集团，担任发达市场权益量化研究分析师、投资经理等，现为贝莱德集团董事总经理、系统化主动权益投资团队资深投资经理，负责系统化投资团队所有中国策略相关产品的管理以及中国市场相关的主动权益多头、对冲、多资产等策略的研究。
在贝莱德工作了18年，赵睿一直保持着对数据研究的热情。她坦言，之所以在一家机构待这么长的时间，是因为每天都能够学到新的东西，周围的人每天都展现出不一样的创造力。
据赵睿介绍，贝莱德SAE团队从2008年开始进行大数据研究和机器学习，建立了一套严谨的数据结构和数据处理流程，目前模型已迭代到第六代。
她介绍，人工智能已在SAE全方位投入应用，在个股选择和投资组合构建上取得突破性进展。他们自主研发了针对投资应用场景的大语言模型，最大程度增强自然语言处理技术的精确性，赋能系统化主动投资，使用与ChatGPT类似的transformer技术，更好地预测公司股价。
赵睿强调，他们不会让机器单独做出投资决策。目前，机器学习类的投资信号在组合运用的投资信号里只占30%权重。“机器的好处在于它可以同时给大量的股票打分。我们的股票评分系统里，一半权重放在基本面上，一半放在市场情绪上；在市场情绪中，大概有一半放在对资金流向的理解上。”
赵睿告诉记者，贝莱德的SAE策略更关注投资组合的主动风险及策略的信息比率，即每个单位主动风险给投资组合创造的超越基准的超额收益。与侧重高频交易的量化投资不同，系统化策略的选股逻辑与基本面投资非常类似，该策略由数百个投资信号构成，针对当下市场现象单独开发，且会不断迭代。
SAE主要青睐三大类股票：一是基本面有吸引力的股票，标的盈利稳定、持续增长，拥有上升的收益预期，且估值有吸引力；二是市场情绪积极的股票，模型跟踪的内容包括卖方分析师观点、个人投资者情绪和各类投资者持仓情况等；三是受益于宏观和政策主题的行业或股票，例如今年受益于出口需求提升的领域等。
“我们不追求单只股票有70%的概率赚钱，但如果我们对200只股票都有55%~65%的信心，就大概率可以做到每个月或每个季度都能实现超额收益。”
寻找高质量可持续发展公司
据赵睿介绍，贝莱德投资中国的海外基金在2012年正式发行，2013年就加入了很多大数据和机器学习的投资信号。2021年，贝莱德在中国的合资理财公司贝莱德建信理财发行了运用SAE策略的权益类理财产品——“贝盈”系列，实现了该策略的本地化投资运作。
“我们专注于在中国市场寻找那些业绩逐步提高且基本面有可持续性的公司，当观察到公司受到市场资金认可时我们会逐步提高仓位。”
SAE策略在选股上，比较重视“质量”和“价值”两个因子。“在过去一年半时间里，我们更重视‘价值’因子，但近期我们更多转向了‘质量’因子，因为去年‘价值’能够得到很高的回报，只要公司便宜就可以去买。但目前我们越来越注重的是公司的资产负债表质量。”
赵睿称，今年以来，超额收益的主要来源之一是“高质量的可持续发展”，这类公司可以持续地稳步增长，并且愿意和投资人分享经营成果，通过分红或回购等形式提升投资人回报，从模型来看，市场情绪在向高质量的公司靠拢。
在她看来，中国市场数字化程度非常高，远超海外大部分市场，为系统化投资提供了大量的数据基础。模型可以实时处理和分析大量数据，归纳出包括产品开发、公司发展趋势、地域特征等信息，为投研人员提供构建投资组合的新视角。
