專題：第八屆中國金融科技論壇

　　中國國際服務貿易交易會第八屆中國金融科技論壇於9月9日在北京舉行，主題為「科技賦能—金融業數字化創新與應用」。萬聯證券股份有限公司首席經濟學家龍紅亮出席並演講。

　　以下為演講實錄：

　　龍紅亮：剛纔我聽了一下各位嘉賓講的更多的是從AI的構建者、AI體系的搭建者來講整個的智能體和人工智能，我今天是從使用者的角度來講一講智能投研對投研工作的影響。

　　其實不管是投資還是研究，我們在用到智能體，或者說用到人工智能，這幾年是越來越多了，但是我們在用的過程中，也遇到了各種各樣的問題，這些問題我拋出來，也許未來台下的這些嘉賓做智能體或者AI的構建者能夠幫我們去解決這些問題。

　　首先就是講一下傳統的投研流程，因為在投研的過程中，不單是包括股票，也包括債券和大類的商品、FICC之類的。其實傳統的投資流程，簡單講就是手搓，我記得在2022年GPT出來之前，我們投資分為兩類，以股票為例：第一個就是基本面投資，基本面投資說白了就是純手搓，典型的代表就是像巴菲特這樣的，天天看報告，他電腦用得都很少。其實從現在的觀點來看，本質上是一個訓練的過程，巴菲特每天看各種研報、公開報告，其實本質上就給他大腦訓練，只不過他訓練的速度肯定遠遠比不上現在的人工智能，當然他訓練的效率很高，人每天最多看十幾個小時的書，但是最後大腦的效率是很高的，但是它出現的問題就是良莠不齊。有像巴菲特這樣上限很高的，也有散戶，可能大部分散戶上限不高的，天天追漲殺跌，他雖然花的時間不少，但是收穫是很少的。

　　第二個就是關於信息的處理、研究、分析，其實都是純手工的。比如說我讓我這個部門的研究員去分析一下某行業，比如說能源行業，他分析完全是找數據分析，這樣他會嚴重的依賴於什麼呢？第一個就是嚴重的依賴於人的經驗，一個剛畢業的應屆生和一個工作三年、十年的研究員，他的工作能力差異是很大的。第二個就是依賴於他的時間投入，也就是說有的工作是1天，有的是8小時加班，是不一樣的。總的來說，他們對信息處理的速度是比較慢的，給大家一個報告，哼哧哼哧搞了1個星期甚至搞了更長時間。第三個是基於經驗的，基於經驗這一點對於投資是非常重要的，沒有經歷過周期的和經過過周期的投資經理和研究員，他對未來的投資決策想法是不一樣的。用現在的話來說，就是老登和小登的區別。今年上半年AI股漲得很好，所以大家也在嘲笑老登。

　　其實大家可能不知道，老登都是從小登過來的，我記得我十幾年前剛工作的時候我也是小登，我記得我那個時候看三十多歲、四十多歲，心裏想他們是老登。實際上這些老登，其實也是從小登長起來的，同時是老登裏面經歷過捱打的，也就是經歷過周期，曾經也是見證過股市指數跌一半以上，整個指數能夠在幾個月給你跌50%的，但是倖存下來了。所以現在的小登嘲笑老登的時候，他們沒有想過他們哪一天也會捱打，當然7月份可能捱打過一次。所以我覺得更多的依賴於經驗。

　　我覺得GPT出來之後，對金融投研的影響並不大，為什麼？因為大家還是把它當成一個聊天工具，包括2023年，真正的對我們產生深刻的影響是從2025年開始，因為從2025年開始第一個就是Claude Code出來了、Agent出來了，包括2026年開始小龍蝦他們出來了，使得大模型的快速進步加上Agent的進步，導致它能夠成為一個投研領域的老司機，這個在2024年是做不到的。

　　所以剛纔這個瓶頸，我剛纔也講了。

　　第二個是量化投資這一塊，量化投資這一塊和基本面投資是兩個賽道，但是它表面上看是機器去收割各種韭菜，實際上它也是基於人的，它的瓶頸也在人。什麼瓶頸在人呢？量化投資的決策沒問題，沒有任何瓶頸，都是機器執行的，但是它的模型的生產和模型的調優，主要是靠人的。包括現在新有的大模型量化公司，模型的生產還是主要靠人，所以它為什麼要招聘那麼多研究員去幫他分析模型去幫他調優模型，當然他執行的時候是比較快的。但是在這個尋找新模型、尋找新因子、調試模型，調試模型編碼方面也是嚴重依賴人的。

　　這兩年，尤其是最近一年，隨着Agent成熟和大模型的飛速進步，投研受到了巨大的衝擊和影響。以我們目前每天用的Alpha派為例，因為我們公司，包括我們部門，人手買了一個Alpha派，以Alpha派為例，不代表別的公司的產品不優秀，我們還買了Alpha Engine等智能體。它的優點在哪裏呢？簡單來說，它可以完全替代3-5年的研究員或者分析師，以前你培養一個幾年的分析師是需要花很長時間的，從應屆生畢業過來到我們這兒工作幾年，但是現在我發現尤其是今年，智能體成為一個有5年工作經驗的非常勤勉的分析師是完全沒有問題的。最近兩個月我們發現它可以成為十年的分析師。

　　我最近因為GPT6 Astra出來之後我也用了一下，我昨天還用這個模型，當然不單是這個，還用了Alpha派的模型。我問了它兩個問題，讓它幫我寫了幾十頁的報告，寫得非常好。一是我讓Alpha派去幫我統計一下日本的房地產企業從1980年到2026年，整個房地產行業的發展歷程，就是怎麼樣從泡沫頂點、泡沫破滅，破滅之後怎麼樣，從零幾年到一幾年又開始回升，同時我又讓它比較中國的房地產行業怎麼從2021年怎麼進入到一個觸底的過程，比較一下在這個過程中基本的哪些房地產企業的股票漲得比較好，哪些不行？中國的到什麼程度了？它幫我哼哧、哼哧寫了幾十分鐘，我看了一下，寫得非常好，基本上我認為沒有一個十年的行業分析師的功底是寫不出來的。它大概用了十幾分鍾，消耗了一部分的Token算力。

　　第二個，我還用GPT6 Astra 幫我分析了一下某一個創新藥公司各種管線的商業前景，因為大家知道做創新藥的時候，管線是很難分析的，它的內容非常多，管線非常雜，它的商業前景也不好分析，我讓GPT幫我分析了一下，寫得還是非常好的，比免費用的豆包稍微好一些，其實我們用免費豆包也用得非常多，它勝在免費、好用、便宜。

　　這裏我也提一點，用了Alpha派之後，Token的消耗確實很快。所以我為什麼說我日常除了收費的工具、買的工具之外，免費的豆包我也經常用，就是因為它便宜，日常的問題解答得非常好。

　　另外就是Alpha派也做了一個類似於工作區的概念，把你過去所有的生產內容都放到它的裏面，一站式的綁定。大家可以簡單看一下，我們的一個同事，我們部門的一個同事用人工智能做的分析報告的樣例，這個只是做一個樣例。一個創新藥公司，我這個同事做了一個很好的示範，我現在也學他，他先用這個東西做了一個關於這個公司的分析報告，每次這個公司有新的重大的公告、新聞、突破，就扔到這個裏面做增量，做得非常好，所以關注的這些公司，每個公司都可以做迭代式的更新，做得非常好。

　　我接下來講現在不能夠做的，第一個海量的信息的蒐集、整合、分析，這個都是能夠做的，現在完全沒有問題，尤其是分析這一塊，過去1年取得了驚人的進步。所以我自己也感覺，大模型基座這一塊，過去1年進步得太快了，Agent和Harness這一塊也做得非常好，使得達到五年左右的分析師水平是完全沒問題的，我覺得到明年這個時候，應該能夠達到十年分析師的水平。

　　第二個是7×24小時的助理，所以有的時候我都不問我的同事了，我就直接在AI上面問，因為它的速度很快沒有脾氣，而且AI有一個好處你可以罵它，你可以不斷的問它。其實我也想，大家在職場的感受，總覺得領導一天好幾個主意，AI從來不埋怨，我一天十個主意，好的，我可以幫你幹了，只要給我付錢，我就給你辦，這個就非常好。

　　第三個是不斷累積的知識型數據庫。

　　現在不能夠做到的是不能幫你做決策，這個不管是量化還是基本面投資都做不到。第二個是迭代性的持續學習，這個目前做不到。這也是目前人工智能最熱門的方向，希望讓大模型做到自進化，目前是做不到，我們希望它能夠自進化，比如說我分析了一個公司，它第二天突然提示我，你有一個東西新消息出來了，你沒有想到，這個目前做不到，只能夠我餵給它。

　　當然有一些悖論，第一個，和做投資行業最大的不同是什麼呢？它是一個互相博弈的過程。比如說做辦公，你做PPT，我也做PPT，我們兩個之間是有競爭的。但是做投資有一個不一樣的地方在於，大家因為AI能力都提高了，那到底誰掙錢了？我發現我們最後又處於同一水平線了，跟看演出一樣，第一排的人站起來了，後面的人都得站起來，但是大家都站起來了，你就沒有優勢了，所以這個在投資這一塊是存在這麼一個問題，大家的分析能力都強了，等於大家的分析能力都沒有強，都沒有超額收益。所以這一塊就導致什麼呢？你不做就落後了，你做了也不代表你領先。

　　第二個就是市場上所有的人都用了AI之後，投資生態會發生什麼？目前沒有人知道。我剛纔私下還跟有一個嘉賓去分享，在分析領域、投研領域，AI出現之後，分析師變得沒有價值了，但是老的分析師是由老的分析師成長起來的，那怎麼辦？現在喫7個包子就飽了，我不需要前6個包子，我就只需要喫第7個包子，這個目前沒有辦法解決。

　　由於時間關係，我講最後一個。

　　最後一個就是AI投研時代需要重新思考人在投研體系當中的重新定位：

　　一是如果現在做金融投資研究的不去擁抱AI，我認為肯定是被淘汰的，所以我在一個會議上就講了，你用幾年前的方式做投資研究是古法投研，肯定是會被淘汰的，但是你用AI，是不是代表你就勝出了？沒有。所以我們需要重新思考AI時代人在投資中的主要地位是什麼？我自己的判斷是什麼呢？分析師和研究員在投資中的地位將要下降，真正的敢於拍板決策和扣動扳機的人、承擔風險的人，他的權重在提高。所以我覺得這也是我未來五到十年，我認為投資研究跟AI結合最有魅力的地方，因為誰也不知道AI把金融研究帶到什麼樣的地方。

　　我今天的分享就這些，謝謝大家。