本文共1759字，预计阅读需要5分钟。
近年来，人工智能在国内可谓是“抢足了风头”。AlphaGo Zero曾以 100 比 0 的成绩击败李世石版本的AlphaGo，如果把击败李世石的版本算作是与人类围棋几千年发展顶峰的标尺的话，那么Zero用了3天就做到了。
从AlphaGo 到 AlphaGo Zero，进化是否将不再依赖人类经验？
完全地自主学习，让历史归零， AlphaGo Zero做到了。AlphaGo Zero 让人类围棋的历史经验成为了「Zero」，这同时也标志着人工智能所迈出的重要一步。
当然了，在金融领域，说到人工智能，就要提到运用AI量化模型进行投资的量化基金。对于AI来说，金融领域似乎要比围棋复杂得多，要想掌握量化投资，需要精通计算机编程技术、金融知识、数学知识等等，这不只对于AI ,对于很多投资者来说，也是如云雾中的海市蜃楼一般遥不可及。
在接下来的每周五，小盛将会分为四期，逐篇为大家讲解一下有关AI量化模型投资的“小知识”。想要了解量化投资，需要解答以下三个问题。
首先，投资是否需要“依赖AI”？
有人说，投资就是对未来的不确定性下注，投资的过程就是不断地在胜率和赔率之间做平衡。小盛认为，好的投资就要具备以下两点：
1、完整的体系支撑：多维度的认知可以从不同的层面优化你投资体系的胜率和赔率指标。比如对行业和企业经营的认知：行业空间、竞争格局、核心竞争力、增长驱动等因素。
2、交易系统的认知：需要交易系统的认知：比如仓位管理、风险管理等；投资思维的认知：安全边际、复利等。
但是，就算是再高明的投资专家，也不可能都建立出“完美无缺”的交易体系，这就需要比人类更加强大的AI模型来完成——这就是量化投资的核心优势。提高人类从认知到投资的转化率，量化基金可以做到。
其次，量化投资是否“足够智能”？
撇开投资，“量化”实际上就是一种借助相待统计学、数学等方法，将现实抽象为各种或解释、或预测的数理模型。
通过海量数据进行计算、分析，依据概率取胜，以一系列数量计算的方法挑选出这些因子，并在投资组合中赋予相应权重，未来上涨的概率大时，就投资这只股票；反之，如果最终的结果显示，未来这只股票下跌的概率大，就卖出这只股票。量化投资基金按照上面的套路投资几百只股票，可能会出现几只甚至十几只下跌的股票，但是大部分股票会实现较好的上涨，最终实现整体盈利。
听起来有点抽象？这里给大家说一个生动有趣的例子。我们都喜欢美女或者帅哥，这个并不是后天培养，而是内存于我们几千年不断完善的基因中。我们觉得一个人好看，是因为这样的基因对于生存和下一代成长最有利。举个栗子，长得高的男士更容易在丛林竞争中胜出，更容易追上兔子；而长的匀称的女性身体往往更好，下一代也更健康。
量化投资就是如此。量化投资基金经理们根据历史经验，选取因子组成最“美丽”的模型，然后按照上面的套路投资几百只股票，可能会出现几只甚至十几只下跌的股票，但是大部分股票会实现较好的上涨，最终实现整体盈利。
最后，“AI”量化真的适合长期价值投资吗？
我们前文中提到的量化策略，是在历史较长时期进行了数据验证之后，所筛选出的模型，验证的数据时间跨度可能会比较长，贯穿了几轮牛熊。所以在市场环境不发生强烈变化的情况下，量化策略能发挥相对比较好的表现。
由于价值投资需要要长时间的积累，我们使用量化策略，可以用更精细的数据去描述低估值，设计不同的量化策略打造成一个价值风格非常明确的投资组合，通过在长期中的“大概率事件”获胜。由于这类基金投资不集中，所以很难在短时间内成为市场的大赢家，但是可以通过长期的“积小胜”，最终实现“为大胜”。
文末鼎力推荐：
长
盛基金都有哪些“量化佳话”？
较早设立：业内较早设立量化投资部的基金公司之一（前身金融工程与量化投资团队）
经验丰富：超十年指数基金、主动量化基金管理经验，13只量化产品。
研究领先：自行开发 多年积累的数据，领先的各种量化模型和策略模拟平台。
风险提示：本资料不作为任何法律文件。基金管理人不保证本基金一定盈利，也不保证最低收益。基金管理人管理的其它基金的业绩不构成本基金的业绩表现的保证。投资者在进行投资决策前，请仔细阅读本基金的《基金合同》及《招募说明书》。
本文作者可以追加内容哦 !
