中信证券发布研究报告称，2022年以来，市场经历了连续回调和止跌企稳，前后两阶段从行业和风格都表现出显著的反转特征。衍生品方面，运行指标显示5月后市场情绪显著回暖，且对冲成本总体处于合理区间。量化投资发展方面，一是财富管理时代量化体系需要为业务赋能，对方法论在系统化、直观化等方面提出新的要求;二是AI技术的应用要强调算法可解释性，可关注神经网络的应用。

量化投资发展前瞻之一：当量化投资遇到财富管理。

1)财富管理时代下的量化投研。量化投研在资产管理中实现的是特定约束条件下的效用最优化，而在财富管理中，则需要从客户需求出发，根据客户的风险收益向客户提供一揽子服务，需要满足系统化、平台化，场景化，直观化和可迭代等多种要求。

2)因子离散化风险模型：兼具解释力和直观性的模型体系。通过对各因子进行离散化并转化为哑变量形式来构建多因子模型，可便于市场驱动因素分析以及组合的绩效归因。

量化投资前沿发展之二：AI技术应用中建议关注神经网络与算法可解释性。

1)股票关系建模：神经网络。神经网络是一种基于结构的神经网络，可实现对供应链关系、相关关系、概念关系等多种股票关系的建模，以弥补传统模型仅进行单资产分析的不足。

2)模型设计与理解：提升可解释性。提升可解释性的一种方法是在模型设计时引入先验知识，将信号本身的特点考虑在内进行设计，比如Preferred Networks公司与野村资管提出了波动率不变性与分形不变性的结构用以针对性学习不变性特征。另一种方法是借助经济金融的逻辑来理解算法的结果，比如Two Sigma公司采用高斯混合模型对市场状态划分后，发现其符合经济逻辑下的危机、稳定、脆弱、通胀四种状态的特征。

风险提示：模型风险;市场预期大幅变化;宏观及产业政策出现重大变化。