人工智慧賦能GF量化多因子，機器學習習推動量化投資

在人工智慧（AI）的浪潮下，人工智慧在各行各業得到廣泛應用，其中AI與量化策略相結合賦能股權投資，越來越受到高層管理者的關注。 GF量化多因子將AI應用於量化投資、資料驅動決策、高效智慧型迭代，致力於打造具有長期超額收益的主動管理量化產品。 據銀河**統計，截至12月15日，GF量化多因子近6個月淨值增長率為197%，滬深300指數**1352%。

GF Quantitative Multi-Factor成立於2024年3月，**資產佔**資產的0-95%，目前**經理人易偉和李玉新。 通過自主研發量化多因子模型選擇，利用多因子模型（包括價值、成長、基本面、市場、其他因子等）對投資組合的投資價值和風險收益特徵進行綜合評估，選擇投資價值較高的上市公司構建投資組合，追求穩定的超額收益。

今年上半年，廣發量化多因子投資團隊將AI引入自主研發的量化多因子模型，逐步從以數理統計為主的傳統量化策略轉向以機器習為主導的智慧型量化策略。 戰略轉型後，GF量化多因子進入“資料驅動智慧型迭代”的量化投資階段，持續以機器學習習技術賦能全投資鏈。

具體而言，AI在多個維度上賦能和提公升量化策略的效率：一是量化資料來源可以大幅擴充套件，實現多元化、多源化、異構化，極大地拓展了資料的廣度和深度，更好地驅動決策。 習 同時，非線性方法的引入可以從多個角度看待規律，提高整個系統的能力。 第三，資料、演算法、架構、技術將不斷更新和智慧型迭代。 基於低相關性、多元化的海量資料，智慧型挖掘超額收益。

結合**定期報告，自2024年以來，A股小市值標的具有相對優勢，廣發量化多因子以成長、利潤、估值、分紅等金融基本面因素為核心，疊加動量反轉、流動性等交易因素，持續挖掘量價因子的應用價值，力求實現相對於基準指數的穩定超額收益。