中信建投武超则：用人工智能工具提升分析师产能

数字中国战略拉开，资产管理行业如何走向数字化?在投研行业中人工智能辅助投研工具的应用效果与场景是怎样的?数据量需求最大的量化投研行业新发展阶段的产生原因?在近日通联数据主办的的「嗨～AI」资产管理数字化转型峰会上，中信建投研究所所长武超则对此提出了她的看法。

数字化对各个行业都是有深刻影响的。十年前的网络化和信息化，那个时候大家都觉得线上是非主流，现在看线上化是主流。资管行业现在还处在信息化到数字化之间没有到数字化的阶段。数字化本质上需要有一系列的过程：比如说上云、比如企业的数字资产，怎么能让它上来，未来才能基于数据的本身和算力的提升最后走向应用，也就是智能化的阶段。比起消费 互联网 ，资产管理的数字化和智能化程度其实是不高的。全行业都还是在一个过渡的过程中， 金融 行业或者说资管行业，相对而言这两年数字化进展明显开始加速。因为行业特性，即主要还是服务很多机构客户，服务TO C客户的部门相对数字化程度更高一些。数字化最重要的目前指导 投资 作用发生在对我们研究逻辑上的一个补充，或者说是一个辅助决策，提高效率，因为投资是一个相对比较复杂的模型。

我认为像通联数据这样的人工智能辅助投研工具，可能不仅仅是对量化分析师有用，对所有行业分析师都是有用的。本质上，都是带来生产资料和生产工具上的变革。以前分析师使用的是上市公司公告，或者调研，一些传统的数据来源。但是随着基础工具的变化，我们现在和通联有一些数据方面的合作，比如分析师用它的工具对底层的数据进行整理啊，清洗啊，包括一些智能研报的输出。目前现在看，很有效的。首先是效率的提高，对于节约分析师时间是很有用的，可以有效降低人工成本。

第二个我觉得长期看，我们可以用它来满足我们的定制化的需求。我们在投研分析工作中，并不会完全从产品出发，而是从需求出发，反向基于真正大数据来做分析，现在的大数据虽然很全，但是数量太大，不可能一开始就扑进大数据，那么找到有效数据就像大海捞针了，所以对我们的挑战是怎么把这样的大数据用起来。另外，如果研报模型或者底层框架太复杂，输出的东西就是无效的。而人工智能可以持续处理巨量数据，因此我们与通联数据的合作更进一步，将大数据资源与我们现有的框架和研究方法结合起来，产生一些新的研究成果。

量化投研目前正处于一个好的阶段。一方面是整个资管行业正在发生一个非常大的扩容和爆发，我觉得这是基础。如果没有这样一个爆发的话，在过去这个市场容量里，很多主动权益的管理就足够了，量化最合适的还是围绕大规模的资金和资本，比如像ETF这一类的产品。第二个是国内和海外市场的差异性导致的。很多做量化的人都是在美国或者海外，更多的是从海外把模型拿过来，去改进升级。这种办法在初期比较有效，但是当大量的人都在这样做的话，这个东西可能会失效。所以长期看，还是要基于我们自己市场的特点和特色，比如我们也刚刚开始做注册制，包括我们对新股的理解等等，带有中国市场的特色的策略会更有效我认为。最终我觉得做卖方量化的支持，可能更多还是在过程中，或者叫逻辑的输出，包括因子的输出上面，可能我们会有一些优势，因为我们的信息面或者是数据源会更多一些。辅助这些买方去做决策。这块是我们现在定位去做的事情。