用AI解讀重要會議內(nèi)容，會給出什么答案？
近日，中金公司大類資產(chǎn)研究團隊推出了AI策略系列報告，第一篇報告聚焦中央經(jīng)濟工作會議，從AI視角去解讀年度政策思路。
最近兩年，投研領(lǐng)域涌現(xiàn)不少AI應(yīng)用成果。除去年引發(fā)市場較高關(guān)注的分析師用AI撰寫醫(yī)美研報、發(fā)布AI數(shù)字分身外，還有多家券商推出“大模型+智能投研”成果。
“長期看，大模型將推動投研工作范式的變革，替代人工完成更多創(chuàng)造性工作?！焙闵娮邮紫茖W(xué)家、恒生研究院院長白碩對券商中國記者表示，從技術(shù)上說，圍繞大模型建立具有高度專業(yè)水準(zhǔn)的RAG（檢索增強生成），可以形成“語控萬數(shù)”的效果。比如一份數(shù)萬字研究報告，未來可以在專業(yè)思維導(dǎo)圖（外掛思維鏈）的引導(dǎo)之下逐段瞬間生成。
用AI解讀會議
本周一，中金公司大類資產(chǎn)研究團隊推出了AI策略系列報告，第一篇即是用AI解讀近期召開的中央經(jīng)濟工作會議。
研報開篇提到，人類分析師的常規(guī)政策解讀方法為圈定政策文本中的關(guān)鍵詞句，與上一年關(guān)鍵詞句對比，判斷政策方向與強度。AI則可以從當(dāng)期與歷史上政策文件中的所有文本中全面提取信息，遵循一致的評判原則，打破人類記憶極限與主觀判斷局限性。更為重要的是，AI解讀可以把政策表述具象化，把文本信息轉(zhuǎn)化為可追溯的數(shù)字時間序列，易于追蹤理解，提供量化信號。
比如，中金公司大類資產(chǎn)研究團隊設(shè)立了一個“穩(wěn)增長”情緒指數(shù)，讓AI提取了2011年到2024年歷年中央經(jīng)濟工作會議中的“穩(wěn)增長”相關(guān)文本，再轉(zhuǎn)化為數(shù)字信號。再將“穩(wěn)增長”情緒指數(shù)的變化，與近14年來A股和利率在會后3個月內(nèi)的表現(xiàn)進行對比。
該篇研報還通過AI分析會議通稿的文本結(jié)構(gòu)，識別出2011年～2024年文本中各個段落的中心主題，進行比較。
結(jié)果顯示，2015年～2016年期間“供給側(cè)改革”成為全國經(jīng)濟的工作重點，“結(jié)構(gòu)性改革”篇幅明顯擴張。2020年以來全球迎來“百年未有之大變局”，經(jīng)濟運行出現(xiàn)一些新特點新趨勢，文件在大方向上的指導(dǎo)更多，“總體理念”主題的篇幅增加?！昂暧^政策”的討論篇幅近年來逐年增加，且情緒上更積極，反映為了應(yīng)對內(nèi)外挑戰(zhàn)，“穩(wěn)增長”政策持續(xù)發(fā)力，更加給力。不過，對于具體主題的內(nèi)容變化，AI輸出的結(jié)果其實和近期各家券商研究所出品的報告相差無幾。
券商競相追逐大模型
上述研報主要使用的是AI大語言模型。其實，使用大語言模型賦能投研工作也算不上“新鮮事”。近兩年，隨著大語言模型的技術(shù)突飛猛進，已有部分金融機構(gòu)率先使用。
券商中國記者據(jù)公開信息梳理發(fā)現(xiàn)，國金證券研究所金融工程團隊在業(yè)內(nèi)首提大模型的產(chǎn)業(yè)鏈智能挖掘，通過和科技團隊的合作挖掘最新輿情中的標(biāo)的，如產(chǎn)業(yè)鏈板塊、關(guān)聯(lián)度等；依托大模型的信息整合和推理能力深入挖掘新聞解讀、輿情、智能市場分析、智能研報寫作等場景。
海通證券打造“e海言道”研報點評大模型，提供文檔解析、維度推薦、證據(jù)檢索、報告生成等。該模型可自動生成年報、半年報、季報、月報點評報告的點評，并能夠追溯點評報告中所使用的數(shù)據(jù)來源。
再比如，中信建投的智能投研平臺，實現(xiàn)了智能摘要、智能轉(zhuǎn)錄、文檔問答、投研觀點溯源等功能，可以10分鐘“聽”完2小時的調(diào)研會議，提升投研工作效率40%以上。申萬宏源和國泰君安也探索了AI賦能投研，前者推出了研報自動化智能降維解讀，后者賦能研報同版翻譯、研報轉(zhuǎn)PPT、會議轉(zhuǎn)寫、智能撰寫、合規(guī)審查等場景。
除此之外，去年5月，招商證券傳媒首席分析師、TMT（科技、媒體和通信）大組聯(lián)席組長顧佳發(fā)布的AI數(shù)字分身，可以24小時工作，并同時出現(xiàn)在路演現(xiàn)場等多個場景，曾引發(fā)極大關(guān)注。
總體而言，在賦能投研上，AI更多是聚焦已有研報等信息的整合，或者二次加工，以音視頻等形式輸出，直接使用AI寫研報的案例不多。從中金公司大類資產(chǎn)研究團隊的這次實踐不難看出，使用AI寫研報，離不開與人類分析師的配合協(xié)作。中金公司大類資產(chǎn)研究團隊先設(shè)定研究思路和框架，并將提取的文字信息設(shè)置不同的權(quán)重，才能輸出量化的結(jié)論。
“大語言模型的判斷受訓(xùn)練數(shù)據(jù)和算法限制，在特定條件下（如數(shù)據(jù)稀缺、語境復(fù)雜）對文本的判斷可能不準(zhǔn)確，其分析結(jié)果僅作為參考，無法替代專業(yè)投資分析，投資者在使用時應(yīng)結(jié)合實際情況進行判斷。”中金公司大類資產(chǎn)團隊在報告的風(fēng)險提示中提到。
當(dāng)前應(yīng)用場景仍有局限性
目前，在業(yè)內(nèi)看來，大語言模型的優(yōu)勢主要在于提升投研體系效率，可以對海量數(shù)據(jù)進行處理，承擔(dān)一些重復(fù)性、事務(wù)性工作。
白碩對大模型在投研領(lǐng)域的應(yīng)用前景較為看好。他向記者表示，投研是一個搜集數(shù)據(jù)、分析數(shù)據(jù)、研判趨勢、形成觀點的過程。目前市場對投研能力提升的需求，具體表現(xiàn)為“搜、讀、算、寫”四個主要環(huán)節(jié)。大模型憑借精準(zhǔn)的意圖理解能力、流暢的文本寫作能力和在長文本、多模態(tài)及慢推理等方面能力上的顯著提升，讓大模型賦能投研有了足夠堅實的技術(shù)基礎(chǔ)。
他提到這種全方位的能力就不僅局限在“數(shù)據(jù)分析軟件”的層面，而是將信息搜集、數(shù)據(jù)和知識提取、分析研究與觀點輸出、觀點呈現(xiàn)、跟蹤調(diào)整等各個環(huán)節(jié)全面用AI武裝起來。
不過，就當(dāng)下而言，AI在投研領(lǐng)域的運用場景仍存在一定局限性。興業(yè)證券研究團隊認(rèn)為，大模型的“生成”能力仍然基于已有規(guī)則或“語料”的學(xué)習(xí)，自身的復(fù)雜推理能力仍相對較弱。如果向其所投喂的數(shù)據(jù)或訓(xùn)練過程出現(xiàn)偏差，很容易導(dǎo)致相關(guān)模型“一本正經(jīng)胡說八道”，因此當(dāng)前仍需要人力的監(jiān)督和介入，才能更好地發(fā)揮好AI的作用。
如何打造一個更“好用”的投研平臺？白碩認(rèn)為，從技術(shù)上說，關(guān)鍵是圍繞大模型建立具有高度專業(yè)水準(zhǔn)的RAG，把大模型強大的語言和邏輯推理能力、優(yōu)質(zhì)廣譜的金融“活數(shù)據(jù)”供給以及投研業(yè)務(wù)的協(xié)同工作環(huán)境有機地整合在一起，形成“語控萬數(shù)”的效果，讓海量數(shù)據(jù)召之即來、來之能算、算之能用。
“比如說，有人認(rèn)為大模型寫作會產(chǎn)生幻覺，專業(yè)研報的可信度會受到質(zhì)疑。的確，‘只’用‘裸’大模型是這樣的情況，但是在外掛的精準(zhǔn)知識引導(dǎo)下，在RAG的“語控萬數(shù)”能力的加持下，大模型+RAG的整體效果就完全不是這樣?！卑状T稱，它不僅可以錨定已經(jīng)訓(xùn)練到大模型里的陳舊、公開、概率性數(shù)據(jù)，還可以通過強大的RAG，對接到各類實時更新的、私密敏感的、精準(zhǔn)的數(shù)據(jù)。不僅能理解文字，還能理解文檔里的表格、圖表、公式、音視頻。
中泰證券計算機分析師蘇儀在券商大模型運用的深度研報中提到一個觀點也值得關(guān)注。她表示，券商等金融機構(gòu)擁有高價值的領(lǐng)域數(shù)據(jù)資產(chǎn)，一方面能夠充分訓(xùn)練大模型提升效果，另一方面也面臨更多合規(guī)和安全問題。更深層次的大模型應(yīng)用一定是基于高質(zhì)量的私域數(shù)據(jù)開發(fā)的，券商可能需要自建算力集群私有化部署來完成。
