鹏扬基金马超：高频统计与基本面方法论兼收并蓄 力争“1+1＞2”

主要观点总结

本文介绍了DeepSeek成为市场热点，大模型和人工智能在量化投资领域的应用受到关注。鹏扬基金量化投资业务负责人马超介绍了量化投资中人工智能的运用、选股标准、投资组合优化以及中证A500指数的优势。文章还涉及量化投资的持续创新、评价指数增强策略、投资组合的精细化管理等方面的内容，并提及了公募量化投资的发展空间和未来机遇。

关键观点总结

关键观点1: DeepSeek成为市场热点，人工智能在量化投资领域受到关注。

文章开篇介绍了DeepSeek成为市场焦点，表明大模型和人工智能在量化投资领域的应用再次受到投资者关注。

关键观点2: 鹏扬基金量化投资业务负责人马超介绍了量化投资中人工智能的运用。

文中提到了马超对量化投资领域人工智能运用的介绍，包括运用机器学习或深度学习的方法实现量化模型，以及统计学在其中的基础作用。

关键观点3: 选股标准和投资组合优化是量化投资的关键。

文中提到了马超介绍的选股标准，包括“好品质”、“好价格”和“好时机”，以及如何在Alpha模型的基础上通过风险模型和成本模型优化投资组合。

关键观点4: 中证A500指数具有多重优势，是量化投资的重要工具。

文中介绍了中证A500指数的优势，包括其行业分布、长期投资价值、创新和科技属性等方面。

关键观点5: 量化投资需要持续创新，以适应不断变化的市场。

文中强调了量化投资策略需要持续创新，引入新的因子以替代失效的因子，确保策略能够适应不断变化的市场。

关键观点6: 公募量化投资具有巨大的发展空间和机遇。

文中提到了马超对公募量化投资的看法，包括其巨大的发展空间、市场竞争尚未充分、规模增长机会巨大等方面。

文章预览

春节后，DeepSeek成为当之无愧的市场热点，大模型和人工智能的应用再次受到投资者关注。事实上，人工智能在量化投资领域的运用早已不是新鲜事。鹏扬基金量化投资业务负责人马超近日接受中国证券报记者采访时介绍，量化模型中，将数量繁多的价量因子组合起来，就可以运用机器学习或者深度学习的方法来实现。 尽管量化投资的基础是统计学，人工智能等科学技术也在其中发挥着日益重要的作用，但其背后仍然有一些决策需要依靠人的经验与智慧。正是这些经验与智慧的区别，赋予了每一个量化投资体系不同的“生命力”。 从中国人民大学信息学院毕业后，马超在国内知名的量化私募和公募基金都有过多年的投研经历。不同于传统公募量化流派，马超希望能把私募量化高频统计方法论的优势与公募量化重视基本面的特点结合起来，以达到“ ………………………………