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。