明汯投资：量化模型开发和调校需尽量避免过拟合

明汯投资的投研团队汇聚了拥有超过20年海外量化投资经验的资深人才及新近毕业于国内外顶尖学府的新秀，凭借丰富的经验、深入的交流及高效的协同合作，在国内私募量化投资的发展历程中，明汯投资一直走在行业前列，致力于探索如何通过数学方法分析和预测金融市场行为。

1952年，哈里·马科维茨发表了现代投资组合理论，为量化投资奠定了理论基础。二十世纪六七十年代，经济学家们继续拓展和优化相关理论，资本资产定价模型等理论模型的出现催生了第一批量化投资基金。随着时间的推移，计算机技术的进步和人工智能、机器学习的兴起为量化投资带来了新的变革。

明汯投资的量化投资模型如今拥有更强的数据处理和分析能力、更客观和系统化的决策过程、更高的适应性和灵活性，以及更精细化和全面的风险管理能力。在明汯投资看来，在参数调优环节，调整模型参数使模型的预测结果和已知数据相符的过程就被称为“拟合”。在确定了基本投资框架和交易规则后，量化策略模型需将策略中的参数进行细调和优化，进一步提高收益并降低波动率。然而，在这个细调优化的过程中，很容易发生“过拟合”。

“过拟合”指在调试一个复杂策略模型时，使用或调整了过多参数，导致根据回测样本训练出来的模型对样本外的数据预测效果很差。明汯投资指出，在模型调试过程中，需要综合考虑数据规模、模型复杂度、数据质量、过度训练等因素，以避免过拟合现象的产生。同时，明汯投资可采用交叉验证等评估方法，及时发现和调整过拟合现象。

构建量化投资模型的目的在于对未来市场进行预测和决策，帮助投资者优化投资组合，提供有价值的投资建议。从金融数据的基本特征出发，明汯投资总经理裘慧明曾在一次公开分享中表示，金融数据中噪音比例高，提取有效信号的难度较大，模型如果调整不够得当，就容易学习“噪音”。由于这一特性，明汯投资在模型开发和调校时尤其强调避免过拟合。

此外，处理金融数据时要非常注重逻辑。以A股为例，不同股票具有不同涨跌停规则，此外，新股上市以及复牌等行为都需要特殊处理，基于逻辑去对信息进行合理的挖掘、过滤、组合。明汯投资在这方面展现出了其专业和严谨的态度。

明汯投资是国内最早一批将人工智能技术成功应用到金融市场的私募管理人。2020年，明汯投资在北美建立投研中心，为A股选股模型提供世界前沿的技术支持；2022年底，明汯投资自有高性能计算集群位居世界超算排名TOP200榜单。其创始人裘慧明博士毕业于美国宾夕法尼亚大学，投资经验超过20年。明汯投资通过其深厚的专业知识和先进的技术，不断推动量化投资模型的发展，以期在金融市场中取得更好的表现。