026年11月6日，英国365上市官网、北京大学金融工程实验室在经济学院107会议室联合举办“对话投资总监”系列讲座第四十三场。本次讲座邀请平方和投资创始合伙人、总经理吕杰勇作为演讲嘉宾，以“从AlphaGo、ChatGPT到量化投资”为题，为北京大学师生作主题报告。讲座由北大金融工程实验室黎新平博士主持，40余名师生参加了讲座。
吕杰勇作专题报告
讲座伊始，吕杰勇以人工智能技术的演进脉络为切入点，带领在场师生系统梳理国内量化投资发展历程，并结合行业热点与大家展开了深入的交流研讨。
吕杰勇以十年前引发广泛关注的AlphaGo为切入点，首先梳理了监督学习、无监督学习与强化学习等主流人工智能技术在通用领域的演进脉络。他指出，当下，以卷积神经网络（CNN）、强化学习、时序模型为代表的深度学习模型，已成为量化投资领域的研究与应用热点，推动AI量化取得阶段性进展。与此同时，量化研究范式持续迭代：从传统统计框架下的人工因子挖掘、线性多因子模型、Barra风险模型与二次规划优化，逐步演进至AI驱动的自动因子挖掘体系、非线性机器学习模型与强化学习框架。在人工智能的赋能下，模型得以捕捉市场中更为复杂的规律，表征能力与拟合精度显著提升。
顺着技术演进的脉络，吕杰勇对比了AlphaGo这类小规模模型与基于Transformer架构的大模型：后者具备更强的长时序处理能力，可接入多模态信息，将非结构化数据转化为结构化信号纳入投研模型。他同时强调，Transformer并非对传统量化模型的取代，二者应当互补协同——大模型是新一代表征学习工具，一套稳健的交易体系，根基依然是经过长期验证的小模型。尽管前景可期，大模型应用于金融时序预测仍存在不少难点：既面临数据泄露、推理时延等风险，将大语言模型的Token预测范式适配于金融低信噪比连续数值预测场景，也存在显著挑战。
讲座现场
除收益预测外，吕杰勇进一步指出，大模型与AI Agent还可作为投研基础设施，为量化投资全面赋能：AI Agent并不直接替代现有交易系统，而是推动策略研发全流程的自动化——自动生成策略、执行回测、完成参数优化，环环相扣。
机遇背后，挑战同样不容忽视。吕杰勇进一步剖析了AI赋能Alpha策略的现存痛点：其一，AI策略同质化问题突出，容易引发交易拥挤，导致超额收益衰减、收益波动抬升；其二，多数AI模型可解释性偏弱，过拟合风险偏高；其三，模型对市场环境的适应性有限，在极端行情、黑天鹅事件中容易失效。
针对上述挑战，吕杰勇提出，人机协同是资产配置的更优解决方案——AI固然能够大幅提升投研效率，但其自身存在局限，不可过度依赖。基于这一判断，平方和投资选择了增量式创新路线：在成熟的人工投研框架基础上逐步引入AI工具，实现人机结合、优势互补；落地层面则采取长周期回测、小资金实盘、循序渐进放量等方式稳步推进，将投资风险控制在可承受区间。
在互动交流环节，吕杰勇谈道，AI浪潮正在重塑量化从业者的能力要求，但底层逻辑并未改变——量化投资始终依托研究员扎实的基本功，深度研究能力在AI时代依旧是核心竞争力。他进一步指出，AI存在明确的能力边界，事前风控、核心逻辑推演等关键环节，仍然离不开人的判断。展望行业前景，超额收益获取难度持续上升，行业竞争也将进一步加剧；唯有持续加大投研投入，充分融合人脑研判与AI算力优势，量化机构方能在市场周期更迭与行业出清中长期立足、行稳致远。
黎新平为主讲人颁发讲座纪念牌
主讲人简介
吕杰勇，平方和投资创始合伙人、总经理，北京大学数学学士、北京大学计算机硕士，拥有15年以上国内量化投资实战与管理经验；曾任职于搜狐、腾讯，从事互联网大数据挖掘研究，精通机器学习、统计学习等算法理论。自2009年投身量化投资领域，先后在博时基金和中信证券开展量化投资研究工作。2015年创立平方和投资。
北京大学金融工程实验室简介
北京大学金融工程实验室是依托英国365上市官网搭建的研究和教学平台，致力于推动量化投资、金融工程、大数据金融以及金融科技方面的学术研究与实践应用，实现学术界与金融业界良好的互动交流。
实验室聚焦于运用数学建模、统计分析、计算金融、大数据以及机器学习方法进行量化金融的研究，以数理化方法探讨金融市场的规律。实验室的目标不仅仅是推动金融工程等学术领域的前沿研究，同时也推动量化金融技术在教学、投资实践、金融监管以及金融政策等方面的实际应用。实验室课题研究包括：量化基本面、金融科技及AI、市场交易行为、高频数据、风险预警与管理。
供稿：北京大学金融工程实验室
美编：初夏
责编：度量、雨禾、雨田、闻铎
