彭博Bloomberg｜灵均投资：量化+AI应对复杂宏观环境

4月16日，在2026彭博（Bloomberg）私募投资策略交流会——“把握变局——宏观、权益、跨境衍生品与量化策略新探索”圆桌论坛上，灵均投资詹思云围绕宏观市场判断、量化策略挑战、AI与大模型应用及行业竞争格局等核心议题，分享了量化机构在不确定性市场中寻找确定性的实践路径，展望了AI驱动下行业发展新方向。

宏观波动加剧：

量化以科学框架区分噪音与信号，严控尾部风险

谈及今年以来宏观环境变化对资产的影响，詹思云表示，量化投资本质是用数学与统计对接市场波动，核心能力之一是在复杂环境中精准剥离噪音、捕捉有效信号。

灵均通过搭建系统化假设检验框架，依托大数定律反复验证，叠加历史回测与仿真模拟扩充样本，形成从数据去噪、信号建模到执行风控的全链路降噪体系，这也是量化机构的核心看家本领。

当前市场最大挑战在于历史数据参考性下降——市场结构、参与者、流动性、行业规模及风格切换速度快速变化，尾部行情样本稀缺，易导致模型低估尾部风险。

对此，灵均投资以超10万个信号、上千个子模型实现极致分散，搭配严苛尾部风控框架，将下行风险约束在模型预期范围内，与主动投资“集中持仓、重注赛道”形成鲜明差异；同时强调价量因子与基本面因子可互补融合，助力组合提升收益、优化夏普比率、控制回撤，力争成为资产组合的稳定“压舱石”。

宏观越复杂、市场越无序，量化越要坚守数学逻辑与投资纪律，以系统化应对不确定性。

AI赋能量化：

从“副驾驶”到闭环融合，重塑行业竞争格局

关于AI在量化领域的应用现状及未来趋势，詹思云从当前实践与长期展望两方面展开解读。

现阶段，国内量化行业已深耕机器学习、深度学习十余年，显著提升了多因子模型预测效率与能力；而生成式AI当前更多扮演“投研超级助理”，在代码生成、逻辑梳理、文本处理、行情数据自动化分析等环节提升生产力，尚未直接颠覆核心预测逻辑，因子挖掘仍以树模型、时序Transformer、图神经网络等监督学习模型为主力。

与此同时，AI正在降低另类数据处理成本、提升数据质量，弥补量化在基本面与非结构化数据上的不足。未来五到十年，若AI在多模态数据处理、非结构化商业信息理解上实现突破，量化将打通价格数据与上市公司真实经营、实体经济脉搏的连接，行业研究深度将实现系统性跃升。

对于行业竞争格局， AI不会改变量化对Alpha确定性的追求，而是重构竞争维度：未来能将大模型深度融入“数据处理—模型研发—实盘交易—风控迭代”全闭环的机构，将占据竞争优势，开启量化投资新范式。

坚守量化本源：

以分散化与强风控，适配多变市场环境

面对宏观变局与技术迭代，灵均投资更需要坚守本源：一是坚持分散化投资，以多元信号与模型降低单一风险敞口；二是强化尾部风险管控，以更好应对市场极端行情；三是持续迭代技术体系，积极拥抱AI等前沿工具，保持投研竞争力。

灵均投资将持续深耕A股市场特性，打磨系统化投研框架，以数学、纪律与技术创新，努力为投资者提供更稳健的资产管理方案，与行业共同推动量化投资高质量发展。