{"code":0,"message":"","data":{"typeDesc":"新闻快讯","releaseTime":"2026-09-18T15:33:09","createPsn":"何里玉","firstColumnCode":"JSKX","collectFlag":0,"source":"经理人融媒体中心","title":"当主动ETF遇见AI：天弘基金的“边界意识”与系统实践","type":"XW","likesFlag":0,"collectAmount":0,"content":"

随着国内主动ETF试点持续推进，市场观察认为公募行业迎来产品创新的重要窗口期。不同于传统被动ETF，主动ETF融合主动管理的超额收益能力与ETF交易工具属性，对投研、运营、系统风控全链条提出更高要求。与此同时，AI技术在资管领域持续渗透，如何把AI从投研环节延伸到主动ETF投资运营全流程，成为行业共同探索的命题。

\"\"

自动化不等于AI化

主动ETF链条包含PCF生成、IOPV计算、流动性管理、申赎预判等多项运营工作。天弘基金量化投资部基金经理林心龙强调，要区分系统化自动化与AI智能化两个概念。“PCF生成、IOPV计算属于结果唯一、强规则约束的业务，核心诉求是零差错。这类工作依靠规则引擎、自动化流程叠加跨系统复核、人工确认完成，并不适合引入带有不确定性的AI模型。”天弘基金已经实现PCF自动生成比对，有效减少人工重复劳动，但关键节点坚持人工复核，这是业务开展的底线。

AI擅长模式识别，核心判断必须由人完成

AI真正的价值场景集中在规则难以穷尽、依赖海量数据模式识别的领域，包括流动性状态刻画、交易执行时点优化、申赎行为规律性分析。不过AI输出结果仅作为业务人员的决策参考，最终判断仍由岗位人员作出。林心龙表示，“AI作为决策辅助的路径具备可行性，但依靠AI完全替代投资决策，短期并不具备现实条件。”公募基金受托管理责任要求管理人必须能够向持有人解释组合构建逻辑、业绩来源以及潜在风险，无法解释、难以归因的黑箱决策模式不符合受托管理的基本要求。

天弘基金的系统实践

如何让主动管理的灵活性与ETF的运作纪律兼容？天弘基金的解决方案是”把纪律做进事前环节，而不是事后纠偏”。换手率、行业偏离、个股集中度等全部作为硬约束写入组合构建环节，不满足条件的组合根本不会被生成。为打通投资端与ETF运营端，天弘采用”一条指令流、一个数据源”架构，投资端输出的目标持仓是运营端生成PCF的唯一源头，杜绝人工转录。在风控层面，天弘坚持”事前优于事后”原则，搭建起”事前约束—事中校验—事后监测收紧”三层管理模式，内部管理指标相较于监管要求预留安全缓冲。

AI是工具，制度工程能力才是核心竞争力

林心龙判断，未来三至五年AI在主动ETF全链条的落地节奏，与业务环节”目标是否明确、结果是否可验证”高度相关。“AI核心价值是提升单人可管理的投资复杂度，把人从海量数据、重复劳动解放出来，聚焦判断决策。行业差距不在于是否使用AI，而在于能不能把AI约束到正确边界，这是制度工程能力，不只是技术。”

行业观点认为，主动 ETF 发展窗口已经开启，技术仅作为底层工具底座，能否把技术约束在受托管理框架内，是机构重要的核心竞争力。

风险提示：观点仅供参考，不构成任何投资建议。基金有风险，投资需谨慎。

","downloadAmount":0,"filePageAmount":0,"releaseDateStr":"2026-09-18 15:33:09","fileUrl":"","readAmount":0,"columnCode":"","id":21199,"keyword":"","likesAmount":0,"statusDesc":"已上架","createPsnId":179,"firstColumnName":"即时快讯","updateTime":"2026-09-18 15:33:20","coverImgUrl":"","isExistFile":0,"createTime":"2026-09-18 15:33:20","authorName":"","isTop":0,"simpleContent":"","contentLength":0,"status":1,"columnName":null}}