<li id="rnldf"></li>
<label id="rnldf"><fieldset id="rnldf"></fieldset></label>
    <small id="rnldf"><strong id="rnldf"></strong></small>

    1. <strike id="rnldf"></strike>
    1. <samp id="rnldf"></samp>
      亚洲国产精品久久无人区,亚洲中文字幕一区二区,亚洲一区二区av免费,JIZZJIZZ亚洲无乱码,欧洲免费一区二区三区视频,国内熟妇与亚洲洲熟妇妇,国产超碰人人爽人人做人人添,视频一区二区三区刚刚碰
      “養龍蝦”熱到基金圈!擁抱效率更需警惕數據風險
      來源:證券時報網作者:趙夢橋 裴利瑞2026-03-17 14:34

      “我們不會被AI取代,但我們一定會被熟練使用AI的人所取代,特別是在公募投研這樣一個科學與藝術交織、理性與感性共存的工作領域。”一位公募基金經理向券商中國記者表示。

      近期,一場“養龍蝦熱”正從科技圈席卷至金融腹地,以OpenClaw為代表的AI Agent(人工智能體)正逐漸引起公募基金關注。券商中國記者了解到,當前,多家基金公司正在謹慎評估這一工具在基金投研上的應用,部分基金經理尤其是量化基金經理已經嘗試運用OpenClaw進行策略研發,AI正逐漸從“超級工具”向“自主協作者”演變。

      然而,在硬幣的另一面,基金行業也在重新審視AI對傳統投研模式的沖擊。無論是從處理海量金融數據,還是在量化投資中的信號識別,甚至是曾經頗具門檻的投研模型,AI大語言模型和AI Agent都正在潤物細無聲地影響著基金投研,公募基金行業正經歷著一場溫和而深刻的“工作流革命” ,但與此同時也面臨著人機替代、數據泄漏等威脅。

      “養龍蝦”熱到基金圈

      “我最初對它的預期只是一個實習生,能幫我們回測腳本、處理數據就行,但是最近半個月用下來,我發現它其實自主性很強,已經能夠全天候獨立地從原始數據中提取不錯的因子,拓寬我們Alpha的來源,而且正確率非常高,就像24小時帶了一個資深基助在身邊。”近期,上海一位量化基金經理向券商中國記者描述了OpenClaw對他工作的幫助。

      近日,以OpenClaw為代表的開源AI Agent項目風靡一時,在全社會掀起了一場“養龍蝦”熱,其中不外乎信息密集、決策復雜的基金投研領域。

      博時基金首席數字官車宏原透露,目前博時基金已有團隊在公有云和合規的前提下使用OpenClaw,同時也在研究國產軟件在內部安全合規的使用場景。

      此外,易方達基金已組建專項團隊,在隔離網絡環境中對OpenClaw開展功能驗證與技術探索,尚未進入生產部署階段。據易方達基金金融科技板塊相關人士介紹,應用場景重點圍繞市場信息自動化采集分析、企業數據治理等任務。

      “OpenClaw作為開源、可深度定制的AI智能體,以‘AI執行’能力點燃了公募基金行業AI應用的新一輪熱情,其意義遠超工具本身。”車宏原表示,“OpenClaw主要是面向個體的智能體,它有望極大地釋放每個人的創新能力,在應用上,個人的主動性比較關鍵,目前看,先動起來的是投研人員,它給投研人員提供了一個‘超級數字助手’,有助于釋放個體創造力和生產力。”

      益民基金則認為,OpenClaw對基金投研來說不只是單純的“現有工具增強”,而是正在逐步引發一場溫和但深刻的“工作流革命”。

      “傳統投研工具(如Excel、Wind、Bloomberg)的核心是‘被動響應’——人輸入指令、工具輸出結果,而OpenClaw這類AI Agent的核心突破是‘主動執行’,能夠基于預設目標,自主完成‘信息抓取—數據整理—初步分析—結果反饋’的閉環,比如我們之前需要研究員花費1—2天整理某一行業的輿情數據、財報數據,現在通過OpenClaw配置相關技能模塊,可實現7×24小時自動抓取、分類歸檔,研究員只需聚焦于數據解讀和邏輯驗證,這本質上是對投研工作流程的重構,而非簡單的效率提升。”益民基金表示。

      中信保誠量化投資部副總監、基金經理王穎表示,公司量化團隊早已將AI技術融入日常的投研體系,目前,由機器學習方式訓練的量化因子在他們的策略中已占據約三成的比重,其應用主要集中在量價類的交易策略上。

      “我們發現,這些由AI模型識別出的交易信號,當天執行的收益要優于隔日。”她解釋道,這背后的邏輯在于,AI擅長捕捉由流動性放大驅動的短期脈沖式上漲,在這些時刻介入,不僅能抓住稍縱即逝的機會,還能因流動性充裕而有效降低交易成本,整個流程實現了信號的自動化生成。

      人機替代還是共存

      從可以當“超強大腦”的AI大語言模型,到自主規劃、自主執行的AI Agent,AI的迅速進化正在對傳統投研工作中以信息搜集、數據整理、報告撰寫為代表的基礎性、重復性任務形成直接沖擊。那么,對于公募基金,尤其是投研業務的從業者來說,面對AI的沖擊是否會成為第一次工業革命浪潮下的“紡織女工”?

      華南某公募基金經理表示:“我個人把AI比作是‘成熟的實習生’,或者‘投研新人’,一些數據的搜集整理、交叉驗證,甚至是簡單的分析等工作,是比較成熟的;AI在這些基礎性工作上發揮作用后,就能給投研人員留出更多的時間和心力去做AI暫時還做不了的事情。”

      “AI和人在投研領域的能力圈實際上并不重疊,甚至某種程度上是互補的。” 民生加銀基金基金經理王悅也認為,一個好的投研人員應該是一個能不停提出好問題的人,他們的目標并不是得到某種答案,而是不斷的針對現有的情況,問出一個好的“why”。以此來真正察覺一個產業和公司最核心的變量。而一個好的AI是一個能給出好答案的工具,AI不具備很好的推理與思考能力,但能夠針對研究員所提的問題,給出敏銳且較為準確的答案,提高研究員的研究效率。

      匯豐晉信基金基金經理韋鈺也認為,目前來看AI還不能替代基金經理和研究員。AI可以用于協助處理海量的歷史資料,梳理出關鍵和總結出一定的規律,角色更類似一位研究助理。研究員或者基金經理可以在這些信息的基礎上,依靠自身長期積累的認知能力,做出更準確的行業判斷和投資決策。

      “我們也要看到還有很多工作是AI所無法取代的。比如現場調研,我們很多投研人員要和上市公司的負責人或者管理團隊現場交流,其中很重要的一個目的就是感知對方的工作狀態,這或許聽起來有一些感性,但又會實實在在體現在公司業績上,很多還是先兆指標。再比如一些非公開信息的挖掘,AI只能對現有的材料進行整理分析,但合規前提下的非公開信息,也有著較高的分析價值。”前述華南公募基金經理表示。

      阿爾法來源從廣度轉向深度

      雖然AI成為投研“利器”,但基金經理乃至整個投研團隊的專業壁壘卻依舊清晰甚至更加凸顯。

      “我的觀點是:AI替代的是‘崗位的低附加值工作’,而非“崗位本身”;威脅的是‘不愿適應變化、能力單一’的人,而非具備核心能力的投研人員。”益民基金認為。

      益民基金表示,AI時代,市場的“信息差”會逐步縮小——因為AI能快速抓取、分析海量信息,幾乎所有投研機構都能借助AI獲取相同的基礎數據和信息,所以,未來的超額收益,不再來自“誰能更快獲取信息”,而是來自“誰能更深度地解讀信息、更精準地判斷趨勢、更有效地控制風險”,簡單來說拼的不單單是算力、拼的更多是算法,這也是基金經理個人阿爾法和基金公司投研壁壘的核心來源。

      王悅表示:“我們更看重投研人員思考的深度,而非信息整理的廣度。因此投研人員要做的是問出那個關鍵的問題,而不是得到一個信息盡可能齊全的答案。信息永遠是無窮無盡的,找到最核心的那個變量并敏銳的抓住它,才是投研人員超額收益的來源。”

      車宏原也表示,AI通過自動化處理多種模態的信息,有助于提升信息處理的效率,使得研究員必須向深度邏輯推演、產業洞察和交叉驗證等高階能力轉型,因此,有望推動投研體系向“人機協同”的網狀結構進化,改變“研究員推票—基金經理決策”的線性架構。投研人員有望與AI共同進行線索挖掘、策略構建和風險把控。

      “我們不會被AI取代,但我們一定會被熟練使用AI的人所取代;特別是在投研這樣一個科學與藝術交織、理性與感性共存的工作領域。”前述華南公募基金經理坦言道:“站在公司層面構建投研壁壘,我理解核心還是要打造一套與公司相適配的生態;而要構建這個生態,需要有好的機制、文化、人才以及工具等,而這里的工具,未來一定是和AI相關的。最終在這個環境中,大家各自發揮所長,又在統一的平臺上汲取信息的養分,最終構成一個協調統一的生態。”

      擁抱效率更需警惕風險

      AI的助力無疑讓投研日常工作事半功倍,但多家公募基金已經深刻體會到,AI是一把“雙刃劍”——它能極大提升投研效率,但也隱藏著諸多風險。這些風險如果不加以重視和管控,很可能導致投資損失。

      益民基金數量金融實驗室指出,需要警惕AI模型的“黑箱風險”,這是最核心、最需要警惕的風險。當前,大部分AI模型(尤其是深度學習模型)的運行邏輯是“不可解釋”的——只知道輸入數據和輸出結果,但不知道模型是如何得出這個結果的,這就是“黑箱問題”。

      該公司認為,這種風險主要體現在兩個方面:一是因子挖掘的“偽有效”,AI可能會挖掘出一些看似具有顯著性的因子,但這些因子其實是“歷史擬合”的結果,在未來的市場環境中無法產生收益,甚至會導致虧損;二是決策建議的“誤導性”,AI可能基于錯誤的邏輯或偏差的數據,給出看似合理的決策建議,如果基金經理盲目依賴,可能會做出錯誤的投資決策。比如,AI可能因為某只個股的歷史數據表現良好,就給出“買入”建議,但忽略了該個股當前的基本面已經發生惡化,這種“黑箱誤導”可能帶來不小的投資損失。此外,AI模型的“不可解釋性”,也會導致風險無法追溯,難以排查問題根源。

      王穎同樣對AI的全面應用卻抱持著一種深刻的審慎。她從量價類交易策略的角度指出,市場具有“自適應性”,A股的交易行為是一個不斷自我適應的動態過程。“你用來訓練模型的歷史數據,本身就包含了過去所有市場參與者的行為,而你的模型一旦開始交易,其本身的行為又會成為市場新的數據,從而影響市場。這相當于一個模型在滾動地影響它自己。” 王穎表示。

      因此,這種反饋循環導致了AI模型訓練的因子,尤其是量價類因子的超額收益,表現出劇烈的波動性。她舉例,一些在2023年表現優異的機器學習因子,近期的業績波動就非常巨大,這背后便是“盈虧同源”的原因——一個能帶來超額收益的邏輯,往往也埋藏著未來吞噬利潤的種子。“最大的挑戰在于,你不知道什么時候應該停掉它。” 王穎坦言。

      王悅補充指出,AI在基金投研的應用中,還需要尤其警惕敏感信息泄露問題,這是當前大部分AI核心隱患。“因此我們主要和AI進行一些思考推演類對話和處理一些公開信息搜集工作,有很強的隱私信息保護機制和防止AI獲取公司經營隱私信息的各類手段。”王悅表示。

      排版:劉珺宇

      校對:劉星瑩

      責任編輯: 冉超
      聲明:證券時報力求信息真實、準確,文章提及內容僅供參考,不構成實質性投資建議,據此操作風險自擔
      下載“證券時報”官方APP,或關注官方微信公眾號,即可隨時了解股市動態,洞察政策信息,把握財富機會。
      網友評論
      登錄后可以發言
      發送
      網友評論僅供其表達個人看法,并不表明證券時報立場
      暫無評論
      為你推薦
      時報熱榜
      換一換
        熱點視頻
        換一換