图片来源于网络，如有侵权，请联系删除
用AI解读重要会议内容，会给出什么答案？
近日，中金公司大类资产研究团队推出了AI策略系列报告，第一篇报告聚焦中央经济工作会议，从AI视角去解读年度政策思路。
最近两年，投研领域涌现不少AI应用成果。除去年引发市场较高关注的分析师用AI撰写医美研报、发布AI数字分身外，还有多家券商推出“大模型+智能投研”成果。
“长期看，大模型将推动投研工作范式的变革，替代人工完成更多创造性工作。”恒生电子首席科学家、恒生研究院院长白硕对券商中国记者表示，从技术上说，围绕大模型建立具有高度专业水准的RAG（检索增强生成），可以形成“语控万数”的效果。比如一份数万字研究报告，未来可以在专业思维导图（外挂思维链）的引导之下逐段瞬间生成。
本周一，中金公司大类资产研究团队推出了AI策略系列报告，第一篇即是用AI解读近期召开的中央经济工作会议。
研报开篇提到，人类分析师的常规政策解读方法为圈定政策文本中的关键词句，与上一年关键词句对比，判断政策方向与强度。AI则可以从当期与历史上政策文件中的所有文本中全面提取信息，遵循一致的评判原则，打破人类记忆极限与主观判断局限性。更为重要的是，AI解读可以把政策表述具象化，把文本信息转化为可追溯的数字时间序列，易于追踪理解，提供量化信号。
比如，中金公司大类资产研究团队设立了一个“稳增长”情绪指数，让AI提取了2011年到2024年历年中央经济工作会议中的“稳增长”相关文本，再转化为数字信号。再将“稳增长”情绪指数的变化，与近14年来A股和利率在会后3个月内的表现进行对比。
该篇研报还通过AI分析会议通稿的文本结构，识别出2011年～2024年文本中各个段落的中心主题，进行比较。
结果显示，2015年～2016年期间“供给侧改革”成为全国经济的工作重点，“结构性改革”篇幅明显扩张。2020年以来全球迎来“百年未有之大变局”，经济运行出现一些新特点新趋势，文件在大方向上的指导更多，“总体理念”主题的篇幅增加。“宏观政策”的讨论篇幅近年来逐年增加，且情绪上更积极，反映为了应对内外挑战，“稳增长”政策持续发力，更加给力。不过，对于具体主题的内容变化，AI输出的结果其实和近期各家券商研究所出品的报告相差无几。
上述研报主要使用的是AI大语言模型。其实，使用大语言模型赋能投研工作也算不上“新鲜事”。近两年，随着大语言模型的技术突飞猛进，已有部分金融机构率先使用。
券商中国记者据公开信息梳理发现，国金证券研究所金融工程团队在业内首提大模型的产业链智能挖掘，通过和科技团队的合作挖掘最新舆情中的标的，如产业链板块、关联度等；依托大模型的信息整合和推理能力深入挖掘新闻解读、舆情、智能市场分析、智能研报写作等场景。
海通证券打造“e海言道”研报点评大模型，提供文档解析、维度推荐、证据检索、报告生成等。该模型可自动生成年报、半年报、季报、月报点评报告的点评，并能够追溯点评报告中所使用的数据来源。
再比如，中信建投的智能投研平台，实现了智能摘要、智能转录、文档问答、投研观点溯源等功能，可以10分钟“听”完2小时的调研会议，提升投研工作效率40%以上。申万宏源和国泰君安也探索了AI赋能投研，前者推出了研报自动化智能降维解读，后者赋能研报同版翻译、研报转PPT、会议转写、智能撰写、合规审查等场景。
除此之外，去年5月，招商证券传媒首席分析师、TMT（科技、媒体和通信）大组联席组长顾佳发布的AI数字分身，可以24小时工作，并同时出现在路演现场等多个场景，曾引发极大关注。
总体而言，在赋能投研上，AI更多是聚焦已有研报等信息的整合，或者二次加工，以音视频等形式输出，直接使用AI写研报的案例不多。从中金公司大类资产研究团队的这次实践不难看出，使用AI写研报，离不开与人类分析师的配合协作。中金公司大类资产研究团队先设定研究思路和框架，并将提取的文字信息设置不同的权重，才能输出量化的结论。
“大语言模型的判断受训练数据和算法限制，在特定条件下（如数据稀缺、语境复杂）对文本的判断可能不准确，其分析结果仅作为参考，无法替代专业投资分析，投资者在使用时应结合实际情况进行判断。”中金公司大类资产团队在报告的风险提示中提到。
目前，在业内看来，大语言模型的优势主要在于提升投研体系效率，可以对海量数据进行处理，承担一些重复性、事务性工作。
白硕对大模型在投研领域的应用前景较为看好。他向记者表示，投研是一个搜集数据、分析数据、研判趋势、形成观点的过程。目前市场对投研能力提升的需求，具体表现为“搜、读、算、写”四个主要环节。大模型凭借精准的意图理解能力、流畅的文本写作能力和在长文本、多模态及慢推理等方面能力上的显著提升，让大模型赋能投研有了足够坚实的技术基础。
他提到这种全方位的能力就不仅局限在“数据分析软件”的层面，而是将信息搜集、数据和知识提取、分析研究与观点输出、观点呈现、跟踪调整等各个环节全面用AI武装起来。
不过，就当下而言，AI在投研领域的运用场景仍存在一定局限性。兴业证券研究团队认为，大模型的“生成”能力仍然基于已有规则或“语料”的学习，自身的复杂推理能力仍相对较弱。如果向其所投喂的数据或训练过程出现偏差，很容易导致相关模型“一本正经胡说八道”，因此当前仍需要人力的监督和介入，才能更好地发挥好AI的作用。
如何打造一个更“好用”的投研平台？白硕认为，从技术上说，关键是围绕大模型建立具有高度专业水准的RAG，把大模型强大的语言和逻辑推理能力、优质广谱的金融“活数据”供给以及投研业务的协同工作环境有机地整合在一起，形成“语控万数”的效果，让海量数据召之即来、来之能算、算之能用。
中泰证券计算机分析师苏仪在券商大模型运用的深度研报中提到一个观点也值得关注。她表示，券商等金融机构拥有高价值的领域数据资产，一方面能够充分训练大模型提升效果，另一方面也面临更多合规和安全问题。更深层次的大模型应用一定是基于高质量的私域数据开发的，券商可能需要自建算力集群私有化部署来完成。
责编：战术恒
校对：祝甜婷
