金工海外量化研究系列之七：技术飞速突破的当下，海外量化发展如何？.pdf

全球量化投资领域正经历由AI技术驱动的方法论重构，核心竞争力从单一因子挖掘向系统化能力迁移。本报告基于Man Group、Two Sigma、BlackRock等头部机构的公开资料，深入剖析了海外量化研究的最新趋势与公募量化的发展方向。

大模型重塑投研流程

大语言模型已从辅助工具进化为全流程投研助手。Man Group的AlphaGPT实现了从假设生成到回测验证的端到端自动化，高盛与JPMorgan则利用大模型深度解析电话会议情绪。然而，机构普遍担忧过拟合与数据泄露问题，强调需通过高频监控与严格的事前检验来规避幻觉风险。

数据治理成为核心壁垒

随着另类数据源激增，数据质量而非数量成为关键。Point72与Two Sigma设立专门数据治理团队，贝莱德则建立了包含原创性、完整性、及时性及可追溯性的严格入库标准。数据显示，尽管数据审阅量增长，但拒绝率大幅上升，仅约三成数据集能达标，表明行业正从粗放获取转向精细化治理。

传统因子精细化与模型适配

传统因子并未被淘汰，而是通过引入新数据源（如招聘数据、文本情绪）和细化分类得到升级。例如，AQR在价值因子中叠加现金流质量，Man Group对动量信号进行来源分层。模型构建方面，贝莱德采用分域学习与迁移学习以适应多变市场，Two Sigma则聚焦模型可解释性与计算效率。

主动与量化深度融合

美国公募领域涌现大量主动量化结合产品，如T Rowe Price的Integrated系列与MFS的Blended Research系列。这些产品通过基本面思路因子化、联合打分或先量化筛选后主动调整等模式，融合了量化的纪律性与主观投研的深度，成为主流发展趋势。