随着人工智能进程提速，公募量化进入激烈的“AI竞赛”阶段，民生加银基金是其中的先行者。
早在2021年，民生加银量化投资总监何江便率队聚焦于AI的量化投资策略研究，开启量化投资的AI提升之旅。
历时四年，何江团队构建了“数据-特征-策略-组合”的飞轮闭环，这一持续进化的闭环正在形成难以复制的核心护城河。
“民生加银的AI量化是市场认知+工程化能力+优势算法运用的综合体。其核心壁垒在于将主观认知有效转化为机器可学习优化的机制，并在高维空间中持续优化投资规则。”
何江坚信，AI量化不是选择题，而是公募生存的“必答题”。未来行业将形成“AI主导量化+工具型指数产品”的新生态。
此外，他持续看好国证2000指数在科技升级中的配置价值及量化增强空间。
从流体力学到AI投资
何江这位毕业于清华大学流体力学专业的基金经理，在研究生阶段就开始进行混沌复杂系统的研究，这使他着迷于探究那些复杂系统中的规律。
早年校园创业经历让何江很早就接触到圣塔菲研究所开创的用复杂系统理论处理经济学问题的课题。“他们用计算机模拟虚拟交易所，研究交易行为规律，这使我意识到社会经济的运行规律同样可以用工程化方法进行研究。”这为其日后转向量化投资埋下了伏笔。
何江回忆，当时美国华尔街流行“火箭科学家”的称谓，主要指那些转行金融的物理学、数学博士。例如，“量化投资之父”詹姆斯·西蒙斯便是数学家出身，后来创立了著名的“大奖章基金”。
在过去的指数增强产品策略的研发中，通常采用传统的线性多因子模型，即给估值、盈利等有效的因子赋权加总。虽然有效，但总感觉像用直尺测量曲面，有些机会并没能很好地把握
这个困惑在2017年接触机器学习后得到解答，当时AlphaGo战胜柯洁的新闻引发了何江的思考:“投资中那些难以言喻‘盘感’，或许正是非线性关系的规律。”
2019年加入民生加银基金后不久，看清技术发展大势的何江决定率队聚焦于AI的量化投资策略研究，开始了逐步从传统量化到AI量化的转型。
为何选择聚焦于AI的量化投资策略？何江阐述了三大动因:
一方面，传统量化遭遇瓶颈:多因子加权策略同质化严重，陷入内卷，线性模型效力逐渐衰减。例如，2022年中证500指数增强公募基金的平均超额收益已跌破3%。
第二，AI技术红利爆发:随着算力提升和算法迭代，AI模型能够捕捉人脑难以解析的复杂市场关系，其挖掘非线性规律的能力显著增强，AI模型预测胜率较高。
第三，公募独特数据优势:民生加银具备内部的研究数据，已转化整合内部主动投研成果，构建起专属的基本面特征数据。
非线性市场机会的“超级捕手”
何江指出，AI量化的核心特色体现在两方面:
全AI策略替代传统线性模型:通过技术性升级，突破传统模型仅能捕捉线性关系的局限，实现从“因子加权打分”到“复杂非线性规律挖掘”的本质跃迁。
“我们把中证800增强策略从线性模型升级为AI模型，当年超额收益有显著的提升”何江形容当时AI策略的突破时刻，“就像海王星的发现过程—先有理论预测，再被观测证实。当我们用AI模型找到市场规律并通过实盘获得超额收益时，那种验证的愉悦感无与伦比。”
工程化平台支撑:构建模块化开发体系，将策略拆解为数据层特征层模型层组合优化层，各模块协同迭代升级。
何江团队历时四年构建了“数据-特征-策略-组合”的飞轮闭环，这一持续进化的闭环形成难以复制的核心护城河。
何江总结，民生加银的AI量化是工程化能力、专属数据(基本面特征库)、算法创新(前沿模型应用)的综合体。其核心壁垒在于将主观认知有效转化为机器可学习优化的机制，并在高维空间中持续优化投资规则。
以何江管理的国证2000指数增强为例，AI模型的创新体现在三个维度:
数据维度的提升:AI模型的创新首先体现在数据源的大幅拓展。一方面新的技术使得我们能够处理更加高维的海量数据，另一方面通过AI的技术可以处理过去难以处理的非结构化数据，包括文本数据等。
模型能力的飞跃:传统量化模型难以捕捉金融市场中复杂的非线性关系，而AI模型实现了从“线性假设”到“非线性洞察”的飞跃，很多AI模型天生擅长在数据中寻找高度非线性的、交互式的复杂模式，而无需预先设定公式。
决策过程的进化:传统模型往往是相对静态的规则，而AI模型可根据市场环境进行动态学习和调整，甚至在不同的市场模式下切换策略或参数，实现动态的自适应。
科技升级中的量化沃土
在科技创新驱动的经济转型过程中，何江看好国证2000指数的中长期配置价值。该指数长期受益于科技产业升级，在AI、科技成长(半导体/创新药)、高端制造(国产替代)等领域存在结构性机会。
何江管理的民生加银国证2000指数增强基金是其AI量化策略的代表作，季报显示，截至今年6月末，民生加银国证2000指数增强基金近六个月、近一年回报分别为17.18%、49.66%，分别远超10.26%、35.04%的同期业绩比较基准收益率。其中近一年同类排名3%)。
何江强调国证2000作为指数增强标的具备核心优势:成份股数量众多、行业分布广泛、定价效率较低、成长属性突出，为量化策略捕捉Alpha 提供了丰厚土壤。历史数据显示，国证2000指数量化增强产品的超额收益的幅度和稳定性通常优于沪深300等大盘指数增强基金。
他同时指出，有效的量化增强需结合严格风险控制，在行业中性、风格偏离中性等约束下，依据AI模型打分进行组合优化。
面对极端行情，何江坦言:“AI不是水晶球，它是基于历史数据来总结规律，而外部冲击短时期扰动的情况下，基于历史规律的投资会遇到压力，这种情况下就显现出风险管理的重要性。”其产品业绩在2024年小盘股暴跌和2025年关税风波中表现稳健，这归功于严格的风险管理。
“AI量化并非用机器替代人，而是用机器延伸人的认知边界——它能从几千只股票中同时解析多维特征之间的关系，处理人脑无法企及的复杂度。”
在他看来，公募量化已进入激烈的“AI竞赛”阶段。“AI量化不是选择题，而是公募基金的生存必答题。拒绝进化的机构，会在未来面临较大的挑战。”
展望未来，何江预计公募行业最终将形成“AI主导量化+工具型指数产品”的新生态，
科技金融应当成为这个行业基本的底色。
