人工智能在證券投研領域的應用研究

［摘 要］大數據模型的快速發展，推動著人工智能在證券投研領域的快速應用。文章首先分析傳統證券主動投研模式的不足和人工智能證券投研的優勢，然后提出人工智能投研應用機制可分為人工智能形成研究基礎、主動投研判斷研究結論、人工智能投研和主動投研的交叉驗證和綜合應用，以及人工智能投研和主動投研互相迭代4個階段，最后指出人工智能投研在目前證券投研環境下可應用于潛在標的篩選、熱點專題學習、輔助行業和個股深度研究、持續高頻跟蹤，以及風險提示與風險管理等5個場景。

［關鍵詞］人工智能；證券投研；應用機制

doi：10.3969/j.issn.1673 - 0194.2024.20.042

［中圖分類號］F832.5；TP18 ［文獻標識碼］A ［文章編號］1673-0194（2024）20-0-03

1" " "研究背景

人工智能具有無限的可能性，能夠快速生成各種自然語言輸出，給人類社會的工作和生活帶來很多變化。首先，人工智能可以給人類帶來巨大的便利，在文本生成、摘要、翻譯、問答、情感分析等多個領域幫助人類完成任務；其次，人工智能的應用可以提高人類的工作效率，甚至拓展人類工作的極限，它具備自我學習能力，能夠自動掌握新的知識和理念，從而快速找到最優解；最后，人工智能具備規模效應，還能夠極大地降低人力勞動成本，推動生產效率全面提升?？偟膩碚f，人工智能具有廣泛的應用前景和較高的應用價值，也催生了金融領域尤其是證券投研領域的全方面變革［1］。

2" " "傳統證券主動投研模式的不足

傳統證券主動投研模式主要基于基金經理和研究員的主觀判斷，高度依賴人的主觀能動性，受制于人的精力、時間和理性極限。這些客觀缺點隨著大數據時代的到來產生的負面影響越來越大。

2.1" "主動投研的信息處理數量不足

近20年是金融市場高速發展的時期，也是信息快速爆炸的時期。隨著各種數據和信息的爆發式增長，人們在投資和研究過程中需要篩選、判斷、加工和分析的數據體量呈指數級增長態勢，逐步超過了人類的生理極限。即使是目前金融行業人員加班熬夜已是常態，但是任何一個研究員或者基金經理都沒有辦法在有效的工作時間內處理甚至閱讀完所有信息。

2.2" "主動投研的信息處理時效性不夠

在信息數據量爆炸的同時，由于信息傳播速度變快和經濟全球化，市場信息更新頻率變快。這就需要主動投研人員快速、及時地跟蹤和分析日度信息，甚至需要24小時隨時關注能源價格、地緣政治、自然災害等突發信息，這超過了每天工作時限。例如，對一個貴金屬研究員來說，其很可能無法及時分析晚間西方國家的突發貨幣政策或自然災害事故的影響。

2.3nbsp; "主動投研面臨著專業知識背景的局限

隨著各行業產業技術升級迭代速度加快，行業前沿的技術進步日新月異，即使是有相關專業背景的研究生，也需要不斷學習，才能夠跟上最新的技術變革，從而建立起對企業技術專業的認知，形成價值投資的基礎。

2.4" "主動投研的人力成本過高

金融行業人員的收入一直遠高于社會平均水平，對行業和公司都形成了極高的人力資源成本和極重的負擔。在整個金融行業降本增效的大趨勢下，不斷提高工作效率和降低人員成本，迫使金融企業在不斷發展主動投研的同時必須積極擁抱人工智能，尋求新技術路徑下的生產力提高方式［2］。

3" " "人工智能證券投研的優勢

相較于傳統基于人類主觀研究存在的缺點和局限，人工智能證券投研能夠極大地提升信息加工處理效率和準確性。具體可以分為以下4個方面。

3.1" "信息搜集快和處理范圍廣

信息和數據等資料是證券研究的重要基礎。當前，基金經理和研究員的信息搜集來源主要包括新聞、上市公司公告、數據公司資訊和草根調研等方面，但由于工作時間的限制和個人關注范圍的局限性，基金經理和研究員只能分析和處理自己認為重要的信息，不可避免地具有偏見性和偶然性。人工智能的信息來源范圍則包括整個互聯網的公開信息，幾乎可以窮盡所有可能的信息來源，實現對主要信息源和突發性事件信息的全面覆蓋［3］。

3.2" "響應速度和學習速度快

當市場上發生突發性事件時，往往需要快速地分析和判斷突發事件。但如果突發事件發生在深夜或者境外，人類主觀學習速度會明顯滯后，無法在第一時間作出響應。如果突發性事件屬于前沿技術的突破性創新，則其分析、研究需要具備一定的專業知識，研究員也需要大量時間做好前期準備。人工智能具備跨時區、跨語言、跨專業的快速學習能力，完全可以在很短的時間內對突發性事件作出全面的信息整理和判斷，并在第一時間得出結論。

3.3" "避免有限理性導致的偏見和過失

人類存在理性極限，其情緒和思考會受到生活波動和市場波動的影響，無法在所有時間都做到完全理智。作為證券投研人員，本身會受到證券市場劇烈波動的影響，情緒和思考很難一直維持理性和冷靜，如果同時遇到生活中的困難和挫折，則會進一步放大這種波動。但是，人工智能不僅不存在工作以外的生活困擾，而且在專業工作領域也能依照設定的指令規則進行完全客觀的判斷，從而避免主動投研有限理性導致的偏見和過失。

3.4" "投研結論標準化和個性化

現代證券投資理論主要基于股票的內在價值進行研判和投資，價值投資的證券投研包含研究結論和投資決策的轉化。但是，不同研究員的研究框架、圖表格式和語言表達都存在較大的差異，導致基金經理在獲取結論和應用結論的時候不可避免地出現混亂。人工智能則可以最大限度避免研究員的主觀差別，用高度標準化、系統化、規范化的語句、圖表、報告來傳達精確的研究結論。甚至考慮到不同研究結論的使用者有著不同的使用目標和閱讀習慣，可以針對性地提供不同范式的研究報告，實現千人千面［4］。

4" " "人工智能投研應用階段

在充分挖掘和論證人工智能理論優勢的基礎上，本文進一步提出了人工智能在證券投研領域應用的階段，具體可以分為人工智能形成研究基礎、主動投研判斷研究結論、人工智能投研和主動投研的交叉驗證與綜合應用，以及人工智能投研和主動投研互相迭代等4個階段。

4.1" "人工智能形成研究基礎

這一階段需要通過人工智能廣泛地搜集、整理和加工信息，并輸出為全面、精簡、標準的研究報告，具體可以分為3個方面：第一，人工智能搜集公開數據、信息和專業知識，即人工智能基于自然語言模型獲得提示詞和指令，從而形成研究目標，在常見的數據庫和資訊平臺上定向獲取相關資料，然后利用互聯網和大數據進行補充，建立相關研究的數據庫和資料庫；第二，人工智能基于大模型學習的成果，針對研究目標構建分析邏輯和報告框架，并匯總相關風險提示信息；第三，人工智能通過加工相關數據形成圖表并輸出，整理和潤色語言文字，最終形成標準化、規范化的研究報告。

4.2" "主動投研判斷研究結論

從原理上說，投資者將資金托管給基金公司，本質是購買基金公司的投研力量。因此，主動型證券投資的價值判斷最終要依賴基金經理和研究員的綜合判斷。從技術上說，現階段人工智能技術還沒有完全成熟和經受市場檢驗，有時候會產生“一本正經地胡說八道”的現象，因此人工智能的研究報告還需要在第二階段依賴研究員和基金經理的主動研究驗證。本文認為，第二階段研究員和基金經理的主動研究驗證重點在3個方面：第一，人工智能研究報告側重于提供信息的完備性和系統性，避免信息缺失和思維盲點，但是信息的真偽和可靠性還需要主觀進一步判斷和驗證；第二，人工智能在總結邏輯和風險的時候，主要基于歷史經驗和歷史規律，但是資本市場瞬息萬變，當下的主要矛盾和主要風險還需要主觀進一步篩選和識別；第三，現階段人工智能研究報告提供的研究結論仍然僅限于參考，不能直接代替投資建議，基金經理還需要綜合各方面信息進行綜合判斷和決策，對投資結果完全負責。

4.3" "人工智能投研和主動投研的交叉驗證與綜合應用

人工智能投研和主動投研并不是對立關系和替代關系，當人工智能投研和主動投研的結論和觀點一致或近似時，人工智能投研提供的全面信息和多重視角可以成為主動投研的重要補充；當二者不一致時，人工智能投研的觀點則更加重要，可以啟發主動投研的研究員和基金經理慎重思考自身判斷的風險可能性，并在觀點碰撞中提升投研判斷的準確性。

4.4" "人工智能投研和主動投研互相迭代

研究結論和投資建議不是一次性形成的，而是需要經過不斷論證和完善。不斷學習、更新邏輯和完善框架一直是主動投研人員所堅持的研究方法論。網絡學習、自我迭代和持續更新是人工智能大模型的根本。所以，人工智能投研和主動投研不僅是互相驗證、綜合應用的關系，更是互相迭代進化的基礎。在人工智能投研和主動投研互相迭代的階段，人工智能在主動投研人員給予研究目標和提示詞的基礎上進行信息搜集和整理，并輸出初步結論給到主動投研人員，主動投研人員在高效學習初步結論的基礎上提出更深層次的問題和建議，指明人工智能進一步挖掘信息的方向和完善邏輯的路徑，進而形成第二版的研究結論給到主動投研人員，如此循環往復，最終會實現人工智能投研和主動投研能力的提升，持續生成不斷優化的研究報告。

需要指出的是，雖然人工智能投研應用可以分為人工智能形成研究基礎、主動投研判斷研究結論、人工智能投研和主動投研的交叉驗證與綜合應用，以及人工智能投研和主動投研互相迭代4個階段，但是這4個階段并非單向一次性過渡，而是不斷循環往復、逐步升級強化的過程，最終實現人工智能投研和主動投研的和諧統一。

5" " "人工智能投研的應用場景

綜合考慮人工智能投研的優勢、應用模式和技術發展階段，當下其在證券投研領域的適合應用場景主要有潛在標的篩選、熱點專題學習、輔助行業和個股深度研究、持續高頻跟蹤，以及風險提示與風險管理等

5個場景。

5.1" "潛在標的篩選

截至2024年上半年，A股市場公司數量超過5 000家，主動投研的研究和覆蓋難免有所遺漏，尤其是中小市值股票方面主動投研力量明顯不足。對此，人工智能投研可以充分發揮其效率高、成本低的優勢，大范圍篩選潛在投資標的并開展和初步研究，為主動投研人員的后續深入研究奠定基礎，排除錯誤選項，節約大量工作時間。

5.2" "熱點專題學習

證券市場行情變化受到國際事件、行業事件、自然事件、技術進步等多方面影響，當突發事件出現時，需要第一時間了解情況并進行初步判斷，此時主動投研往往具有滯后性，因為員工在日常工作高度飽和的情況下難以對突發事件有充分的準備和預留工作時間，所以不能在第一時間作出工作響應。但是，人工智能有較大的工作量冗余，完全可以利用人工智能投研在第一時間進行分析和解讀，形成初步認知。

5.3" "輔助行業和個股深度研究

行業和個股的深度研究一直是主動投研的傳統優勢，人工智能投研在短期內難以完全超越，但是并不意味著人工智能投研毫無作用。人工智能仍然可以輔助信息搜集、邏輯梳理、圖表生成等細分領域，進一步提高主動投研的效率。

5.4" "持續高頻跟蹤

對行業數據和重點公司高頻數據的日常跟蹤不需要太高的技術門檻，但是非常煩瑣，占用了主動投研大量的時間。借助人工智能投研可以實現大范圍、多維度數據的高頻跟蹤，并在出現機會或異常的時候提醒主動投研人員關注。

5.5" "風險提示與風險管理

證券投研在保證投資研究效率、準確性和全面性的同時，還需要兼顧風險識別與合規警示。在傳統證券投研過程中，一般是采用主動投研人員主觀把握結合合規人員監管的方式進行風險和合規控制。這種方法不僅高度依賴員工主觀注意力和盡責程度，同時還與不同員工的風險意識程度相關，因而缺乏系統性和標準性。目前，人工智能可以在財務風險識別、市場風險監督、流動性風險提示和合規風險警示等方面發揮作用［5］。隨著技術的完善和成熟，未來人工智能還可以在風險管理、資金管理、頭寸管理等領域提供支持。

主要參考文獻

［1］何濤.AI驅動下金融科技創新的方向及路徑［J］.中國集體經濟，2024（3）：103-106.

［2］孫國茂，李猛.證券公司數字化轉型與評價研究［J］.金融發展研究，2022（9）：40-49.

［3］左安力.傳統量化投資與AI量化投資的對比研究［D］.武漢：華中科技大學，2024.

［4］廖高可，李庭輝.人工智能在金融領域的應用研究進展［J］.經濟學動態，2023（3）：141-158.

［5］于孝建，彭永喻.人工智能在金融風險管理領域的應用及挑戰［J］.南方金融，2017（9）：70-74.