讲座开始前，李荻教授在致辞中表示，全球资产管理行业正处在一场深刻的方法变革之中。传统多因子模型仍然构成量化选股的基础，但机器学习、深度学习乃至大语言模型的快速迭代，正在重新定义阿尔法的来源与边界。如何在经典框架与新技术之间找到平衡，如何在模型复杂度与可解释性之间作出取舍，既是学术前沿问题，也是机构投资者在实践中必须面对的挑战。
李荻教授发表致辞
谢磊博士首先澄清，量化投资并不等同于“只看价量数据”，也不应简单被理解为“基本面研究的对立面”。更准确地说，量化是一种系统性决策方式：投资判断不是依赖单个投资经理的临场选择，而是由事先设定的模型、规则和流程来驱动。尤其在中低频股票策略中，基本面信息、公司数据、分析师信息以及各类另类数据，都可能成为量化研究的重要输入。
在他看来，量化并不是一个不可理解的“黑箱”。成熟的中低频量化股票投资大体可以拆解为三个环节：一是阿尔法或信号研究，即形成对未来股票收益的判断；二是组合优化，即在收益、风险和约束条件之间进行权衡；三是交易执行，即把组合计划落实到真实市场，并尽量降低冲击成本。真正困难的地方在于，金融市场不是静态工程系统，而是由参与者行为共同生成的内生系统。一个策略一旦被发现、被交易，就可能改变市场本身，并最终削弱自己。围绕阿尔法研究，谢磊博士从市场交易的基本动因谈起。他指出，市场中既有流动性驱动的交易，也有信息驱动的交易。前者可能带来价格的短期偏离和随后反转，后者则反映了信息逐步进入价格的过程。量化研究的任务，正是在大量噪声中识别这些可重复、可验证、并且能够被交易执行的微弱信号。他进一步解释，今天的阿尔法研究早已不只是寻找一个简单因子。研究员需要进行特征工程，把价格、成交量、财务报表、分析师预期、期权信息、新闻文本、定位数据等不同来源的数据处理成可用于预测的特征；随后再用统计模型或机器学习模型，把这些特征转化为收益预测。对于大型机构而言，单个阿尔法还需要与其他阿尔法进行组合，不同频率、不同来源、不同风格的信号如何叠加，本身就是一个复杂的研究问题。谢磊博士介绍AI时代的量化投资新范式
谢磊博士特别提醒，股票收益预测是一项信噪比极低的任务。样本内表现很好，并不意味着样本外能够稳定有效；一个策略失效，也可能来自研究错误、交易拥挤，或只是暂时波动。量化研究最核心的纪律之一，就是不承担自己没有把握的风险。无论是控制市场贝塔、行业暴露、个股权重、换手率，还是杠杆和保证金约束，本质上都是为了把赌注放在真正有优势的地方。
谈到AI带来的影响，谢磊博士的判断保持了相当克制。他认为，过去十年量化行业已经经历了三类重要变化：数据来源大幅扩展，模型复杂度持续上升，研究分工也越来越细。AI无疑会进一步降低数据处理、建模和编程的门槛，也可能让更多小团队和个人研究者获得试错机会。但他同时指出，直接用端到端模型预测股票收益，仍面临两道根本难题。第一，股票市场预测的信噪比远低于许多常见机器学习任务；第二，市场是内生的，任何有效模型一旦投入交易，都会通过交易行为改变价格和样本环境。换言之，一个模型如果真的发现了非常强的规律，它也可能在被使用的过程中加速消灭这一规律。因此，在不确定的技术拐点面前，机构更现实的做法不是预言唯一正确的方向，而是搭建能够鼓励试验、容纳失败并持续迭代的研究生态。谢磊博士表示，AI或许会让市场有效性收敛得更快，也会让阿尔法衰减速度加快；与此同时，它也可能让量化行业的结构更分散、更动态。对话与现场问答
在随后的对话环节，谢觐教授围绕量化投资的团队差异、研究组织方式以及策略可持续性等问题与谢磊博士展开交流。谢磊博士表示，不同团队之间会存在相似的研究方向和一定相关性，但路径依赖、组织结构、激励机制和研究文化，会让不同机构形成各自的生存方式。长期来看，真正决定量化团队生命力的，仍是持续、高效地产生研究的能力。
谢磊博士与谢觐教授展开对话
现场观众的提问也延续了这一讨论。有听众关注量化管理人的尽调问题。谢磊博士认为，在信息不完全透明的情况下，历史业绩可以提供线索，但样本长度非常重要；更关键的是，投资者需要理解团队大致在做什么，观察其透明度、诚实程度、研究流程和协作效率。某种意义上，选择量化产品并不只是选择一个策略，更是在选择一个团队。
讲座现场座无虚席
对于另类数据的使用，他表示，行业内并不存在统一口径，也很难准确知道各家机构在不同数据上的真实配置。但可以肯定的是，成熟机构会尽可能使用所有有价值的数据源。真正的问题不是“该不该使用某一种数据”，而是能否理解数据、清洗数据，并判断它在特定阶段是否仍然有效。在谈到人才培养时，谢磊博士提到，量化研究当然需要聪明和技术基础，但在AI降低编程门槛之后，创新能力、持续提出新想法的能力，以及对研究本身的热爱，会变得更加重要。一个人是否适合这一行业，往往需要在真实研究环境中通过一段时间的试错来判断。面对普通投资者的提问，谢磊博士的回答很直接：大多数个人投资者最重要的是不要高频交易，也不要轻易相信自己能够判断市场短期方向。认识到“自己不知道什么”，本身就是金融教育中非常重要的一课。现场观众踊跃提问
本次讲座在热烈的交流中结束。围绕量化投资这一看似技术化的主题，谢磊博士没有停留在模型或工具层面，而是不断回到市场结构、研究纪律和组织能力这些更底层的问题。对于正在关注量化投资、AI金融应用以及资产管理行业变化的听众而言，这场分享提供了一种冷静而务实的观察角度。
谢磊博士与嘉宾、工作人员合影
此次讲座是“北大汇丰金融茶座”的第51期。“北大汇丰金融茶座”由北京大学汇丰金融研究院发起创办，《北大金融评论》提供学术支持，旨在进一步发挥研究院的智库作用，打造金融业界精英、资深专家行业发展创新交流平台。讲座采用“讲座+对谈”的方式，邀请业界精英和专家学者，向有志于在金融领域发展的北大汇丰在校生和相关人士分享行业最新情况、发展方向以及研究方法与心得。
