专题：第八届中国金融科技论坛

　　中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。万联证券股份有限公司首席经济学家龙红亮出席并演讲。

　　以下为演讲实录：

　　龙红亮：刚才我听了一下各位嘉宾讲的更多的是从AI的构建者、AI体系的搭建者来讲整个的智能体和人工智能，我今天是从使用者的角度来讲一讲智能投研对投研工作的影响。

　　其实不管是投资还是研究，我们在用到智能体，或者说用到人工智能，这几年是越来越多了，但是我们在用的过程中，也遇到了各种各样的问题，这些问题我抛出来，也许未来台下的这些嘉宾做智能体或者AI的构建者能够帮我们去解决这些问题。

　　首先就是讲一下传统的投研流程，因为在投研的过程中，不单是包括股票，也包括债券和大类的商品、FICC之类的。其实传统的投资流程，简单讲就是手搓，我记得在2022年GPT出来之前，我们投资分为两类，以股票为例：第一个就是基本面投资，基本面投资说白了就是纯手搓，典型的代表就是像巴菲特这样的，天天看报告，他电脑用得都很少。其实从现在的观点来看，本质上是一个训练的过程，巴菲特每天看各种研报、公开报告，其实本质上就给他大脑训练，只不过他训练的速度肯定远远比不上现在的人工智能，当然他训练的效率很高，人每天最多看十几个小时的书，但是最后大脑的效率是很高的，但是它出现的问题就是良莠不齐。有像巴菲特这样上限很高的，也有散户，可能大部分散户上限不高的，天天追涨杀跌，他虽然花的时间不少，但是收获是很少的。

　　第二个就是关于信息的处理、研究、分析，其实都是纯手工的。比如说我让我这个部门的研究员去分析一下某行业，比如说能源行业，他分析完全是找数据分析，这样他会严重的依赖于什么呢？第一个就是严重的依赖于人的经验，一个刚毕业的应届生和一个工作三年、十年的研究员，他的工作能力差异是很大的。第二个就是依赖于他的时间投入，也就是说有的工作是1天，有的是8小时加班，是不一样的。总的来说，他们对信息处理的速度是比较慢的，给大家一个报告，哼哧哼哧搞了1个星期甚至搞了更长时间。第三个是基于经验的，基于经验这一点对于投资是非常重要的，没有经历过周期的和经过过周期的投资经理和研究员，他对未来的投资决策想法是不一样的。用现在的话来说，就是老登和小登的区别。今年上半年AI股涨得很好，所以大家也在嘲笑老登。

　　其实大家可能不知道，老登都是从小登过来的，我记得我十几年前刚工作的时候我也是小登，我记得我那个时候看三十多岁、四十多岁，心里想他们是老登。实际上这些老登，其实也是从小登长起来的，同时是老登里面经历过挨打的，也就是经历过周期，曾经也是见证过股市指数跌一半以上，整个指数能够在几个月给你跌50%的，但是幸存下来了。所以现在的小登嘲笑老登的时候，他们没有想过他们哪一天也会挨打，当然7月份可能挨打过一次。所以我觉得更多的依赖于经验。

　　我觉得GPT出来之后，对金融投研的影响并不大，为什么？因为大家还是把它当成一个聊天工具，包括2023年，真正的对我们产生深刻的影响是从2025年开始，因为从2025年开始第一个就是Claude Code出来了、Agent出来了，包括2026年开始小龙虾他们出来了，使得大模型的快速进步加上Agent的进步，导致它能够成为一个投研领域的老司机，这个在2024年是做不到的。

　　所以刚才这个瓶颈，我刚才也讲了。

　　第二个是量化投资这一块，量化投资这一块和基本面投资是两个赛道，但是它表面上看是机器去收割各种韭菜，实际上它也是基于人的，它的瓶颈也在人。什么瓶颈在人呢？量化投资的决策没问题，没有任何瓶颈，都是机器执行的，但是它的模型的生产和模型的调优，主要是靠人的。包括现在新有的大模型量化公司，模型的生产还是主要靠人，所以它为什么要招聘那么多研究员去帮他分析模型去帮他调优模型，当然他执行的时候是比较快的。但是在这个寻找新模型、寻找新因子、调试模型，调试模型编码方面也是严重依赖人的。

　　这两年，尤其是最近一年，随着Agent成熟和大模型的飞速进步，投研受到了巨大的冲击和影响。以我们目前每天用的Alpha派为例，因为我们公司，包括我们部门，人手买了一个Alpha派，以Alpha派为例，不代表别的公司的产品不优秀，我们还买了Alpha Engine等智能体。它的优点在哪里呢？简单来说，它可以完全替代3-5年的研究员或者分析师，以前你培养一个几年的分析师是需要花很长时间的，从应届生毕业过来到我们这儿工作几年，但是现在我发现尤其是今年，智能体成为一个有5年工作经验的非常勤勉的分析师是完全没有问题的。最近两个月我们发现它可以成为十年的分析师。

　　我最近因为GPT6 Astra出来之后我也用了一下，我昨天还用这个模型，当然不单是这个，还用了Alpha派的模型。我问了它两个问题，让它帮我写了几十页的报告，写得非常好。一是我让Alpha派去帮我统计一下日本的房地产企业从1980年到2026年，整个房地产行业的发展历程，就是怎么样从泡沫顶点、泡沫破灭，破灭之后怎么样，从零几年到一几年又开始回升，同时我又让它比较中国的房地产行业怎么从2021年怎么进入到一个触底的过程，比较一下在这个过程中基本的哪些房地产企业的股票涨得比较好，哪些不行？中国的到什么程度了？它帮我哼哧、哼哧写了几十分钟，我看了一下，写得非常好，基本上我认为没有一个十年的行业分析师的功底是写不出来的。它大概用了十几分钟，消耗了一部分的Token算力。

　　第二个，我还用GPT6 Astra 帮我分析了一下某一个创新药公司各种管线的商业前景，因为大家知道做创新药的时候，管线是很难分析的，它的内容非常多，管线非常杂，它的商业前景也不好分析，我让GPT帮我分析了一下，写得还是非常好的，比免费用的豆包稍微好一些，其实我们用免费豆包也用得非常多，它胜在免费、好用、便宜。

　　这里我也提一点，用了Alpha派之后，Token的消耗确实很快。所以我为什么说我日常除了收费的工具、买的工具之外，免费的豆包我也经常用，就是因为它便宜，日常的问题解答得非常好。

　　另外就是Alpha派也做了一个类似于工作区的概念，把你过去所有的生产内容都放到它的里面，一站式的绑定。大家可以简单看一下，我们的一个同事，我们部门的一个同事用人工智能做的分析报告的样例，这个只是做一个样例。一个创新药公司，我这个同事做了一个很好的示范，我现在也学他，他先用这个东西做了一个关于这个公司的分析报告，每次这个公司有新的重大的公告、新闻、突破，就扔到这个里面做增量，做得非常好，所以关注的这些公司，每个公司都可以做迭代式的更新，做得非常好。

　　我接下来讲现在不能够做的，第一个海量的信息的搜集、整合、分析，这个都是能够做的，现在完全没有问题，尤其是分析这一块，过去1年取得了惊人的进步。所以我自己也感觉，大模型基座这一块，过去1年进步得太快了，Agent和Harness这一块也做得非常好，使得达到五年左右的分析师水平是完全没问题的，我觉得到明年这个时候，应该能够达到十年分析师的水平。

　　第二个是7×24小时的助理，所以有的时候我都不问我的同事了，我就直接在AI上面问，因为它的速度很快没有脾气，而且AI有一个好处你可以骂它，你可以不断的问它。其实我也想，大家在职场的感受，总觉得领导一天好几个主意，AI从来不埋怨，我一天十个主意，好的，我可以帮你干了，只要给我付钱，我就给你办，这个就非常好。

　　第三个是不断累积的知识型数据库。

　　现在不能够做到的是不能帮你做决策，这个不管是量化还是基本面投资都做不到。第二个是迭代性的持续学习，这个目前做不到。这也是目前人工智能最热门的方向，希望让大模型做到自进化，目前是做不到，我们希望它能够自进化，比如说我分析了一个公司，它第二天突然提示我，你有一个东西新消息出来了，你没有想到，这个目前做不到，只能够我喂给它。

　　当然有一些悖论，第一个，和做投资行业最大的不同是什么呢？它是一个互相博弈的过程。比如说做办公，你做PPT，我也做PPT，我们两个之间是有竞争的。但是做投资有一个不一样的地方在于，大家因为AI能力都提高了，那到底谁挣钱了？我发现我们最后又处于同一水平线了，跟看演出一样，第一排的人站起来了，后面的人都得站起来，但是大家都站起来了，你就没有优势了，所以这个在投资这一块是存在这么一个问题，大家的分析能力都强了，等于大家的分析能力都没有强，都没有超额收益。所以这一块就导致什么呢？你不做就落后了，你做了也不代表你领先。

　　第二个就是市场上所有的人都用了AI之后，投资生态会发生什么？目前没有人知道。我刚才私下还跟有一个嘉宾去分享，在分析领域、投研领域，AI出现之后，分析师变得没有价值了，但是老的分析师是由老的分析师成长起来的，那怎么办？现在吃7个包子就饱了，我不需要前6个包子，我就只需要吃第7个包子，这个目前没有办法解决。

　　由于时间关系，我讲最后一个。

　　最后一个就是AI投研时代需要重新思考人在投研体系当中的重新定位：

　　一是如果现在做金融投资研究的不去拥抱AI，我认为肯定是被淘汰的，所以我在一个会议上就讲了，你用几年前的方式做投资研究是古法投研，肯定是会被淘汰的，但是你用AI，是不是代表你就胜出了？没有。所以我们需要重新思考AI时代人在投资中的主要地位是什么？我自己的判断是什么呢？分析师和研究员在投资中的地位将要下降，真正的敢于拍板决策和扣动扳机的人、承担风险的人，他的权重在提高。所以我觉得这也是我未来五到十年，我认为投资研究跟AI结合最有魅力的地方，因为谁也不知道AI把金融研究带到什么样的地方。

　　我今天的分享就这些，谢谢大家。