與AI共舞，數(shù)字化軍備競賽席卷證券研究所

唐輝俊

證券分析師會不會被人工智能替代？

自從2022年末ChatGPT火爆出圈，人工智能生成內(nèi)容（AIGeneratedContent，簡稱“AIGC”）業(yè)務(wù)為市場所關(guān)注，內(nèi)容從業(yè)者未來會被AI替代的預(yù)言四起，許多分析師就經(jīng)常被問及這個話題。

然而至少今天來看，這一時點何時到來還不可見?，F(xiàn)實的情形反而是，在國內(nèi)各大科技廠商AI大模型研發(fā)之戰(zhàn)正酣之際，從百度的文心一言，到騰訊的混元、阿里的通義千問、華為的盤古……“百模大戰(zhàn)”的參與者，各擅哪些勝場，誰會勝出或出局，分析師的觀點，頗為市場所重視。

這一結(jié)果，或可側(cè)面回答開篇的問題，即人工智能究竟會成為分析師的“平替”，還是分析師乃至券商手里的“金剛鉆”。

“與初入行的研究員相比，ChatGPT在資料搜索和整合上的效率高，而且可能更具有優(yōu)勢，內(nèi)容更全面”，但是，由ChatGPT生產(chǎn)的研報，與券商各行業(yè)首席分析師輸出的研報仍有較大差距，談?wù)摂?shù)字化技術(shù)對分析師的替代，言之尚早。

財通證券研究所所長李躍博的觀點，代表了當(dāng)下的行業(yè)共識。

盡管ChatGPT從1.0進(jìn)化到4.0，在360創(chuàng)始人周鴻祎看來，其已相當(dāng)于理工科大學(xué)生的水平，但資本市場復(fù)雜多變，證券研究考量面廣、專業(yè)度高，分析師的工作，AI還難以勝任。

雖然人工智能當(dāng)下不能替代人工，不過，人對人工智能的利用已是一日千里。

分析師利用AI工具輔助研究、撰寫公告點評等類型的簡式研報，早就不是稀罕事。如今，在拓寬分析師的數(shù)據(jù)采集面，豐富其信息來源，提升其研究效率，打造投研支持平臺等方面，包括AI在內(nèi)的金融科技應(yīng)用都展現(xiàn)出了可觀的優(yōu)勢和落地速度。

事實上，金融堪稱數(shù)字化、智能化技術(shù)的最佳落地場景之一。研究海內(nèi)外券商的業(yè)務(wù)發(fā)展趨勢可以發(fā)現(xiàn)，加大信息技術(shù)投入，加快金融與科技融合，增強智能投資與研究方面的競爭優(yōu)勢，深受業(yè)界重視。

僅從2022年上市券商已披露的信息技術(shù)投入來看，國內(nèi)大中型券商中，華泰證券、中金公司、海通證券、招商證券、廣發(fā)證券、國金證券的投入增幅均超過20%。其中，華泰證券投入達(dá)到27.24億元，金額居行業(yè)第一；中金公司投入19.06億元，金額上居第二，但增幅達(dá)44.83%，居于首位（附表）。

巨量投入，推動中國證券行業(yè)走向智能、高效發(fā)展之路，這也體現(xiàn)在分析師的日常工作中。

數(shù)據(jù)是研報的基石，技術(shù)與研究的碰撞，最先改變的是分析師的數(shù)據(jù)獲取效率和質(zhì)量。

傳統(tǒng)投研工作中，賣方分析師通常需要長期跟蹤所研究的公司或行業(yè)，通過公司披露信息、實地調(diào)研等渠道，收集各類數(shù)據(jù)、信息；此后，依靠行業(yè)知識儲備和歷史經(jīng)驗，對數(shù)據(jù)進(jìn)行加工整合；通過數(shù)理建模，展開預(yù)測；基于研究框架下的邏輯分析，形成觀點，最終以報告的形式輸出；同時，還要根據(jù)行業(yè)和市場的變化，對觀點進(jìn)行動態(tài)調(diào)整。

這一過程，對分析師的信息搜集、數(shù)據(jù)處理、邏輯分析和知識結(jié)構(gòu)都提出了較高的要求，且耗費的時間成本不低。其中，數(shù)據(jù)收集是分析師工作的起點，其速度和質(zhì)量，一定程度影響研究的速度和質(zhì)量。

分析師需要收集的數(shù)據(jù)中，除了上市公司公告、交易數(shù)據(jù)、宏觀數(shù)據(jù)、行業(yè)數(shù)據(jù)等常規(guī)數(shù)據(jù)外，如果能快速收集到一些更為精細(xì)、深入的差異化數(shù)據(jù)，更有助于研究判斷。

然而，在一些行業(yè)，碎片化和多源、異構(gòu)的數(shù)據(jù)體系，往往為研究平添困難。此時，通過調(diào)研、電話會議等渠道深入挖掘各類信息，成為分析師的核心競爭力之一。比如早年，一個分析師要想知道航空運輸數(shù)據(jù)，需要打電話去各個旅行社了解情況，誰能找到更多的旅行社，誰就擁有更多的信息優(yōu)勢。

數(shù)據(jù)來源：Wind、公司財報，新財富整理

而在數(shù)字技術(shù)的加持下，分析師不僅可以加快信息獲取速度，拓寬信息面，數(shù)據(jù)的多元化以及精細(xì)化程度也大大加深。例如，爬蟲技術(shù)的應(yīng)用，可以通過模擬瀏覽器行為，自動化地從網(wǎng)頁上抓取所需數(shù)據(jù)，極大地減輕人工操作的負(fù)擔(dān)，讓分析師獲取大量顆粒度更細(xì)甚至意想不到的數(shù)據(jù)。

與此同時，通過大數(shù)據(jù)技術(shù)，分析師可以對收集的數(shù)據(jù)進(jìn)行清洗和處理，探索其中的潛在規(guī)律，從而做出更準(zhǔn)確且深度的判斷。

結(jié)構(gòu)化、模型化的處理使得金融市場大量原始數(shù)據(jù)的效用和價值得以提升。工作效率上，計算機在數(shù)據(jù)處理、模型搭建方面的速度也明顯超過人工，并可以避免因分析師個人水平、偏好、經(jīng)驗甚至情緒的不同而影響數(shù)據(jù)分析的結(jié)果。

因此，越來越多的金融機構(gòu)在搭建智能投研平臺時，重心之一即在于數(shù)據(jù)收集與處理，以探索“研究+數(shù)據(jù)”相結(jié)合的方式，提升研究質(zhì)量。

譬如，東證期貨推出的由大數(shù)據(jù)平臺、人工智能、移動互聯(lián)等技術(shù)所構(gòu)建的智能投研平臺“繁微”，即在引入數(shù)據(jù)可視化、流程化管理、人工智能等模塊的基礎(chǔ)上，將傳統(tǒng)投研的各個環(huán)節(jié)優(yōu)化升級，解放需耗費大量人工的基礎(chǔ)投研數(shù)據(jù)搜集整理工作。

根據(jù)官方信息，在數(shù)據(jù)源的選擇上，“繁微”結(jié)合了資深分析師在衍生品研究上的經(jīng)驗，從市場認(rèn)可度、數(shù)據(jù)質(zhì)量、數(shù)據(jù)穩(wěn)定性等維度挑選對接數(shù)據(jù)商，并根據(jù)不同期貨品種的研究框架，梳理成易于查詢和使用的數(shù)據(jù)目錄和圖表。

而在技術(shù)上，針對梳理海量來源不同的數(shù)據(jù)要耗費大量精力，數(shù)據(jù)處理工作重復(fù)繁雜造成人力資源浪費，以及數(shù)據(jù)存儲分散造成數(shù)據(jù)孤島等一系列問題，“繁微”的ETL（數(shù)據(jù)倉庫技術(shù)，是指將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過抽取、清洗轉(zhuǎn)換之后，加載到數(shù)據(jù)倉庫）工具和數(shù)據(jù)集成平臺，可以幫助解決格式轉(zhuǎn)換、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)合并等問題，使數(shù)據(jù)更易于整合和分析，幫助研究員管理數(shù)據(jù)，支持其進(jìn)行數(shù)據(jù)分析、建模等，助力研究效率提升。

目前，“繁微”平臺的數(shù)據(jù)指標(biāo)覆蓋了超過60個商品/金融期貨/期權(quán)，已完成清洗可直接使用的指標(biāo)量達(dá)2萬多條，形成標(biāo)準(zhǔn)的模板圖表達(dá)3000多個，研究員可隨時調(diào)用進(jìn)行數(shù)據(jù)加工研究，或跟蹤圖表內(nèi)數(shù)據(jù)更新情況，提升工作效率和準(zhǔn)確性。

東證期貨表示，在數(shù)據(jù)采集與整合方面，未來其將繼續(xù)對數(shù)據(jù)的來源進(jìn)行拓展和深挖，利用數(shù)據(jù)挖掘和自然語言處理，自動化數(shù)據(jù)采集和整合過程，提高數(shù)據(jù)采集、清洗的效率；在數(shù)據(jù)分析與建模方面，使用機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，進(jìn)行數(shù)據(jù)分析和建模。此外，針對非結(jié)構(gòu)化的數(shù)據(jù)（如輿情資訊），進(jìn)行自動化打標(biāo)和情感分析，識別投資機會和風(fēng)險，給出建議和預(yù)測，減少投資決策時間、降低風(fēng)險。

常規(guī)數(shù)據(jù)之外，一些另類數(shù)據(jù)，比如產(chǎn)業(yè)鏈數(shù)據(jù)、政策與輿情數(shù)據(jù)、衛(wèi)星圖片、天氣數(shù)據(jù)等，亦開始成為分析師重要的信息來源。

美國的OrbitalInsight（軌道洞察）是一家通過分析衛(wèi)星圖像來獲取和售賣數(shù)據(jù)的初創(chuàng)公司。據(jù)官網(wǎng)介紹，其在2019年推出了GO地理空間分析平臺，通過提供融合了人工智能、衛(wèi)星圖像、合成孔徑雷達(dá)（SAR）、自動識別系統(tǒng)（AIS）和物聯(lián)網(wǎng)（IoT）設(shè)備的數(shù)據(jù)源，為分析人員提供支持。

其創(chuàng)始人詹姆斯·克勞福德（JamesCrawford）發(fā)現(xiàn)，通過衛(wèi)星圖觀察不同地區(qū)在建建筑影子的變化，可以分析出建筑行業(yè)是處于繁榮上升還是蕭條下降期；通過分析停車場的數(shù)據(jù)，可以預(yù)測沃爾瑪、家得寶等零售商的季度銷售情況。一個典型案例是，其基于對羅斯百貨（RossStores）停車場的歷史數(shù)據(jù)分析，預(yù)測其季度銷售額會好于預(yù)期，這一結(jié)果甚至優(yōu)于同期分析師的普遍預(yù)測值。據(jù)稱，目前該公司的首批用戶已包括幾家資管規(guī)模幾十億美元的對沖基金。

像這樣的另類數(shù)據(jù)分析手段，亦被逐漸引入賣方研究領(lǐng)域。

大型投行摩根士丹利同樣試圖依靠數(shù)字手段獲取的非標(biāo)準(zhǔn)化數(shù)據(jù)來了解市場。其量化和衍生品策略全球主管馬克·科拉諾維奇（MarkoKolanovic）曾通過電子郵件表示，“我們跟蹤新病例和住院的統(tǒng)計數(shù)據(jù)，可以更好地了解病毒的性質(zhì)”。

“財務(wù)數(shù)據(jù)以外的數(shù)據(jù)不僅是有趣的，還將成為研究的核心組成部分?！比疸y證券研究與分析部組長胡安·路易斯·佩雷斯（JuanLuisPerez）表示。

早在2014年，瑞銀便成立了瑞銀實證所（UBSEvidenceLab）。其獨立于瑞銀研究的專家團隊，每月會收集、清理數(shù)十億個數(shù)據(jù)項目并運用多種工具及技巧，將數(shù)據(jù)轉(zhuǎn)化為實證，以建立深度數(shù)據(jù)庫。瑞銀實證所創(chuàng)新業(yè)務(wù)全球總監(jiān)巴里·赫雷維茨（BarryHurewitz）表示：“瑞銀實證所擁有超過100個不同的框架，以及大約55個不同的實驗室。”其相關(guān)資產(chǎn)庫涵蓋各地區(qū)、行業(yè)的超過4000家公司。

瑞銀會在研報中廣泛使用瑞銀實證所的獨有數(shù)據(jù)，這些數(shù)據(jù)被認(rèn)為能夠輔助分析師們撰寫具有差異化視角的深度研究，以加強瑞銀的影響力。瑞銀實證所每年也會基于另類數(shù)據(jù)和分析，發(fā)布約3000份策略研究報告。

數(shù)據(jù)驅(qū)動式研究為分析師提供了更多工具，當(dāng)然，數(shù)據(jù)的多元化也給他們提出了新的要求，學(xué)習(xí)并利用這些新型數(shù)據(jù)，成為其必備技能。瑞銀便部署了一個由數(shù)據(jù)分析師、機器學(xué)習(xí)專家等組成的團隊，幫助分析師更好地使用數(shù)據(jù)。

與此同時，瑞銀也會通過技術(shù)手段了解市場關(guān)注點，其產(chǎn)品Q-series正致力于此?它會每天在全網(wǎng)搜集客戶最關(guān)注的問題，反饋給研究部門，并產(chǎn)出研究結(jié)果。瑞銀證券董事總經(jīng)理、研究部總監(jiān)連沛堃曾表示：“通過這種方式研究出來的成果一定是客戶最感興趣、最想了解的，這樣，客戶也肯定會讀我們的報告。這還能吸引他們購買我們報告背后的專家咨詢和關(guān)鍵數(shù)據(jù)?！?/p>

連沛堃表示，瑞銀還將通過AI對數(shù)據(jù)進(jìn)行處理，幫助客戶深度開發(fā)數(shù)據(jù)，瑞銀希望將自己打造成一家研報產(chǎn)品差異化、數(shù)據(jù)系統(tǒng)化、跟蹤行業(yè)有持續(xù)性的賣方研究機構(gòu)。

歐美之外，中國分析師同樣關(guān)注另類數(shù)據(jù)的應(yīng)用。

清華大學(xué)金融科技研究院證券科技研究中心早在2020年針對分析師的一項調(diào)研結(jié)果便顯示，分析師關(guān)注如何借助數(shù)字科技，在數(shù)據(jù)集采、足跡分析、地理空間分析、定量研究等方面引入新式調(diào)查研究手段，從多重角度獲取有幫助的數(shù)據(jù)和信息。

天風(fēng)證券副總裁、研究所所長趙曉光在接受新財富采訪時曾表示，目前天風(fēng)證券研究所已組建專門的數(shù)據(jù)研究團隊?天風(fēng)數(shù)據(jù)研究院，而產(chǎn)業(yè)鏈數(shù)據(jù)則成為重要的數(shù)據(jù)來源。趙曉光介紹，除傳統(tǒng)的財務(wù)數(shù)據(jù)外，天風(fēng)數(shù)據(jù)研究團隊會對各產(chǎn)業(yè)的數(shù)據(jù)進(jìn)行挖掘與梳理，幫助分析師進(jìn)行信息加工，提升研究效率。

事實上，在傳統(tǒng)的基本面研究方法的基礎(chǔ)上，疊加大量另類數(shù)據(jù)，結(jié)合人工智能技術(shù)的使用，主要包括知識圖譜、自然語言處理等，能使分析師們對投資機會及方向的挖掘進(jìn)一步智能化。

具體來看，基于深度學(xué)習(xí)的自然語言處理技術(shù)，包含信息抽取與文本匹配兩個方面。信息抽取，一般是指從非結(jié)構(gòu)化文本中，抽取機器或程序能夠理解的結(jié)構(gòu)化知識。譬如，從政策信息、新聞輿情信息中，抽取關(guān)鍵內(nèi)容構(gòu)成另類數(shù)據(jù)，同時，針對單條的政策信息，可以采用文本匹配的方法來統(tǒng)計報道相關(guān)政策的新聞數(shù)量，以此量化政策發(fā)布后的熱度，幫助分析師們更好地進(jìn)行判斷，提升工作效率。

而知識圖譜提出之初，旨在實現(xiàn)更智能的搜索引擎。知識圖譜能夠?qū)⒒ヂ?lián)網(wǎng)上的信息、數(shù)據(jù)以及鏈接關(guān)系聚集為知識，使信息資源更易于計算、理解以及評價。通俗來講，知識圖譜是由節(jié)點和關(guān)系所組成的圖譜，為真實世界各個場景的直觀建模。通過不同知識的關(guān)聯(lián)性形成一個網(wǎng)狀的知識結(jié)構(gòu)，看起來就如同一張圖譜。構(gòu)建知識圖譜的過程在于讓機器擁有認(rèn)知能力，從而更好地理解世界。

通常情況下，面對大量的上市公司，分析師們很難對所有公司的經(jīng)營情況與業(yè)績預(yù)期有較為透徹的分析，而證券研究所可以通過構(gòu)建相關(guān)產(chǎn)業(yè)的知識圖譜，幫助分析師們進(jìn)行判斷。

譬如，企業(yè)知識圖譜可以將每一家上市公司的股權(quán)關(guān)系及控股股東、主營業(yè)務(wù)及對外投資情況、專利技術(shù)、涉及司法訴訟情況、行業(yè)地位等情況表示出來；行業(yè)知識圖譜則可以采集行業(yè)上下游的數(shù)據(jù)、市場相關(guān)信息，運用自然語言處理技術(shù)進(jìn)行加工處理，然后對其中不同類型的信息設(shè)置不同的權(quán)重，將信息輸入知識圖譜中進(jìn)行推導(dǎo)、計算，得到市場上所有的信息對相關(guān)企業(yè)產(chǎn)生的影響，并將影響以及影響力傳導(dǎo)的路徑、大小以圖形的形式展示出來。

在量化研究中，目前已經(jīng)有一些成型算法能夠處理企業(yè)、行業(yè)、產(chǎn)業(yè)上下游等關(guān)聯(lián)信息，可以根據(jù)知識圖譜中相關(guān)信息來分析投資方向，選擇投資標(biāo)的，并且根據(jù)輿情信息，通過知識圖譜、自然語言處理技術(shù)等，實時計算發(fā)現(xiàn)潛在的風(fēng)險標(biāo)的并預(yù)警。

中信證券即在新型數(shù)字技術(shù)的基礎(chǔ)上，結(jié)合研究業(yè)務(wù)，形成了由政策到新聞、到產(chǎn)業(yè)鏈知識圖譜、再到個股的政策事件驅(qū)動投研方案，而這一方案能夠有效滿足市場對于政策量化分析的需求。

譬如，中信證券研究2023年10月發(fā)布的報告顯示，在量化研究上，基于另類數(shù)據(jù)構(gòu)建的量化指標(biāo)往往可以獲得較高的超額收益。其圍繞基本面、政策情緒、研報情緒等10個核心指標(biāo)，構(gòu)建出針對中信二級行業(yè)房地產(chǎn)開發(fā)與運營指數(shù)的月頻擇時策略，經(jīng)測算，10個指標(biāo)中，6個擇時勝率高于50%，8個超額年化收益率超過5%，其中，基于剛需二手房（指一居、二居戶型二手房）成交量指標(biāo)與基于政策情緒的月頻指標(biāo)的擇時策略分別獲得了13.4%與8.6%的超額年化收益，顯示出另類數(shù)據(jù)的超額年化收益較高。

不僅如此，在智能投研平臺的功能提升中，賣方研究的服務(wù)形式或也將同樣迎來顛覆。

一直以來，投身賣方研究行業(yè)，成為一名分析師，往往意味著接受體力與腦力的雙重考驗。

由于客戶分散，分析師們需要帶著自己的觀點飛往各地，為客戶進(jìn)行面對面路演。尤其在難以憑借單一的研究取得絕對性優(yōu)勢的前提下，不少分析師選擇將更多精力投入客戶服務(wù)，路演、電話會議、調(diào)研排滿了他們的日程。

而隨著技術(shù)的進(jìn)步，分析師們正在改變傳統(tǒng)的客戶服務(wù)方式。

例如，當(dāng)前大部分券商的研報可以通過投研平臺、微信小程序等，實時、對口推送給買方機構(gòu)。線上會議也已成為分析師和客戶交流中使用頻率最高的工具。

這些數(shù)字化平臺的應(yīng)用，不僅使得研究成果觸達(dá)客戶的形式更加多樣化，大幅提升分析師的服務(wù)效率，改善溝通方式，也能夠幫助分析師將服務(wù)細(xì)節(jié)進(jìn)行量化評價。譬如，系統(tǒng)可以對買方的閱讀、參會時長等數(shù)據(jù)進(jìn)行統(tǒng)計，使得券商對客戶需求以及自身的服務(wù)改善，有更加客觀的數(shù)據(jù)可依。

而尤其值得關(guān)注的，是分析師在利用人工智能服務(wù)買方機構(gòu)上的嘗試。

2023年5月，曾有券商分析師通過“AI數(shù)字分身”，與機構(gòu)見面。這一分身具有該分析師的聲音和容貌，同時具有源自大模型的多模態(tài)交互和生成能力，能24小時不眠不休工作，還可以化為“億萬分身”，同時出現(xiàn)在路演現(xiàn)場、新聞發(fā)布會、分析師電話會等任何客戶需要的地方，同時服務(wù)多個買方，節(jié)省體能的同時提升分析師的服務(wù)效率。

有公募基金從業(yè)者表示，技術(shù)上，AI路演已經(jīng)可行，但機構(gòu)會否接受AI路演，還需觀察?！耙驗槁费莸膬r值在于一對一具體地、深入地聊一些信息?！?/p>

此外，業(yè)內(nèi)也出現(xiàn)對于“數(shù)字人分身是否合規(guī)”的擔(dān)憂。人工智能在金融領(lǐng)域的應(yīng)用，同樣受到科技倫理、法律等方面的約束。積極擁抱AI成為賣方研究大趨勢下，數(shù)字分身的合法性與接受度問題，或仍需要在應(yīng)用中解決。

數(shù)字技術(shù)的另一個落地場景，是研究的風(fēng)控及合規(guī)環(huán)節(jié)。

據(jù)不完全統(tǒng)計，2023年上半年，監(jiān)管部門針對券商研報共計開出40余張罰單，涉及22家券商，其中不乏知名分析師與頭部券商。罰單類別主要為警示函、監(jiān)管談話、責(zé)令改正等，主要問題集中在券商研究內(nèi)控制度不完善、內(nèi)控制度執(zhí)行有效性不足、具體研報制作審慎性不足等方面。

其中，研報數(shù)據(jù)引用不明確、底稿留存不全面、部分結(jié)論不夠嚴(yán)謹(jǐn)、個別員工私自發(fā)表證券分析意見等，成為檢查中出現(xiàn)問題的“重災(zāi)區(qū)”。

而在往年的監(jiān)管調(diào)研中，監(jiān)管部門也曾指出，部分券商研究報告質(zhì)量控制和合規(guī)審查人員占比較低，研究報告質(zhì)量控制和合規(guī)審查環(huán)節(jié)管控薄弱，要求各家券商研究部門配備充足的質(zhì)量控制和合規(guī)審查人員，加強研報的質(zhì)量控制。

隨著監(jiān)管對研報的審慎性提出更高的要求，多家券商研究所的質(zhì)控崗出現(xiàn)缺口。有研究所人士談到，質(zhì)控崗多為前臺的研究員轉(zhuǎn)型而來，在監(jiān)管從嚴(yán)的背景下，質(zhì)控崗工作壓力不小，人手有限，公司有長期招聘質(zhì)控崗的需求。2023年6月至今，開源證券、國盛證券、東亞前海證券、民生證券、華創(chuàng)證券、天風(fēng)證券、德邦證券等都陸續(xù)在不同渠道公開招聘研究所質(zhì)控人員。

從招聘文案看，這一崗位對個人綜合素質(zhì)的要求較高，多個研究所表示，法律、財經(jīng)、金融、會計、管理類專業(yè)優(yōu)先，“吃苦抗壓”“極強責(zé)任心”“認(rèn)真細(xì)致”成為高頻關(guān)鍵詞。

研報數(shù)量的高速增長，正是質(zhì)控壓力的來源之一。Choice數(shù)據(jù)顯示，年度發(fā)布研報數(shù)量在4000篇以上的證券研究所，由2021年的9家增長至2022年的15家。這意味著，這些研究所的質(zhì)控與合規(guī)審查人員每天需要審核至少11篇研報。

那么，數(shù)字化技術(shù)的引入，能否有效解決研報質(zhì)控問題？

目前，市面上已存在眾多由第三方金融科技公司研發(fā)的人工智能審核系統(tǒng)。從介紹看，這些系統(tǒng)可以自動識別各類格式底稿的內(nèi)容、語義，如圖片、PDF、Excel等。分析師將研報所引用的截圖、數(shù)據(jù)、原始文件的底稿等上傳至平臺，系統(tǒng)可自行將底稿與研報關(guān)聯(lián)，自動審核，并對研報和研報底稿中的數(shù)據(jù)、文字信息進(jìn)行精準(zhǔn)識別，快速捕捉數(shù)據(jù)引用錯誤、文本寫作錯誤、敏感信息、底稿遺漏缺失等情形，降低文字和數(shù)據(jù)出錯的風(fēng)險。

譬如成立于2017年的金融科技公司犀語科技推出的產(chǎn)品?犀察，其核心技術(shù)便是自然語言處理、圖像識別以及知識圖譜，在研報的質(zhì)控上，可以就引用事件的準(zhǔn)確性、合規(guī)性、敏感詞、黑名單、查重等進(jìn)行自動審核，并顯示錯誤，提示更正和修改建議。

這些產(chǎn)品不僅在批量處理研報上具備優(yōu)勢，能夠大幅提升審核效率，還能夠?qū)徍肆鞒踢M(jìn)行優(yōu)化，支持分析師、研究助理、質(zhì)控、合規(guī)等角色進(jìn)行協(xié)同審核，并進(jìn)行多角色、多人員的線上溝通，讓每一次審核溝通有跡可循。

有券商內(nèi)部的合規(guī)人員表示，質(zhì)控監(jiān)管的核心，更多在于保障研究報告的獨立性和發(fā)布的公平性，具體抓手就是研究信息流的合規(guī)性管理，因此，需要相應(yīng)的技防措施和信息系統(tǒng)作為保障。人工智能審核技術(shù)正滿足這一要求。

不過目前，技術(shù)手段仍然無法取代人工審核。這是因為，研報質(zhì)控崗需要具備出色的研究分析和邏輯思維能力，能夠?qū)ρ芯繄蟾孀珜憽⒇攧?wù)分析和公司估值模型有較為深刻的理解和專業(yè)判斷能力，同時要具有較強的職業(yè)敏感度、市場風(fēng)險識別和危機管控能力。有券商研究所人員指出，質(zhì)控崗既然能審核研報，也意味著其應(yīng)當(dāng)具備與分析師相當(dāng)?shù)难芯糠治瞿芰?，能看得出研報邏輯能否成立?/p>

盡管如此，技術(shù)的發(fā)展仍令未來充滿無數(shù)可能。OpenAI發(fā)布的ChatGPT，不僅能對話、寫作，還能編程等，一系列逆天表現(xiàn)讓人們對AI的能力、算力有無限的想象。

華福證券首席戰(zhàn)略官兼研究所所長周勵謙即表示，將加快對AI等新技術(shù)的落地，提高對研報的自動化合規(guī)、質(zhì)控審查能力，通過信息化率的提升，進(jìn)一步提高業(yè)務(wù)管理的精細(xì)化和合規(guī)管理的有效性，持續(xù)優(yōu)化業(yè)務(wù)管理流程。

在數(shù)字技術(shù)所展現(xiàn)的巨大優(yōu)勢下，越來越多的證券公司開始致力于打造平臺級的投研能力，以全方位賦能分析師。

不少研究所正著力打造智能投研平臺，利用數(shù)字技術(shù)，沉淀投研數(shù)據(jù)、模型與方法論，將資深分析師的個人經(jīng)驗沉淀為平臺能力和價值，實現(xiàn)知識的可復(fù)制及可傳承，令新人能夠更快成長，提升效率的同時，也節(jié)省培訓(xùn)成本。

譬如，在產(chǎn)業(yè)鏈知識圖譜的構(gòu)建中，基于產(chǎn)業(yè)鏈上下游公司已有的非實時數(shù)據(jù)，構(gòu)建基礎(chǔ)架構(gòu)的企業(yè)知識圖譜，投研人員就可以看到上市公司及非上市公司與投研相關(guān)的市值、所屬行業(yè)、行業(yè)地位等信息以及各個公司之間的相互關(guān)系。而對于其中的宏觀信息、行業(yè)信息包括行業(yè)趨勢、企業(yè)運營等的分析，則可以借助行業(yè)專家或資深分析師的經(jīng)驗來完成。

基于此，一個包含產(chǎn)業(yè)鏈上下游關(guān)系、股權(quán)、債券、合作、競爭、子公司、兄弟公司等信息的知識圖譜，將直觀展示在分析師面前，便于其對產(chǎn)業(yè)進(jìn)行快速梳理。知識圖譜將散亂的節(jié)點連接形成網(wǎng)狀，以圖譜可視化的形式展示出來，分析師可以觀察各個節(jié)點間的關(guān)系對整個關(guān)系網(wǎng)造成的影響，并通過產(chǎn)業(yè)鏈上已經(jīng)發(fā)生的事件及影響，來預(yù)測該產(chǎn)業(yè)鏈上其他公司可能會出現(xiàn)的情況。

知識圖譜的構(gòu)建，使得投研知識沉淀成為可能，各領(lǐng)域的資深分析師及專家可以將自身經(jīng)驗沉淀在智能投研平臺上，一定程度上節(jié)約了因人員變動而產(chǎn)生的高昂交接及培訓(xùn)成本。

長江證券研究所正是其中代表。其總裁劉元瑞在接受新財富采訪時曾表示，打造智能投研平臺，主要是為產(chǎn)品端以及投研端賦能。

在智能平臺的構(gòu)建上，劉元瑞介紹，第一步是實現(xiàn)數(shù)據(jù)的歸集，第二步則是研究圖譜的搭建。他表示，按照傳統(tǒng)方式，當(dāng)某個數(shù)據(jù)發(fā)生變化時，分析師只有關(guān)注到這一變化，才能進(jìn)行后續(xù)的研報生產(chǎn)，而在研究圖譜的幫助下，系統(tǒng)會根據(jù)其習(xí)慣自動抓取、梳理和規(guī)整所需數(shù)據(jù)，成為分析師的智能助手。

華泰證券在2022年推出的機構(gòu)客戶數(shù)字服務(wù)平臺“行知”最新版本，體現(xiàn)了相似的思路。據(jù)介紹，這一平臺匯聚分析師、上市公司、行業(yè)專家等人士的經(jīng)驗，基于120個研究子領(lǐng)域，匯聚了34個行業(yè)研究以及4個總量研究的模型及產(chǎn)業(yè)鏈圖譜，將底層研究數(shù)據(jù)、研究框架、研究邏輯以及產(chǎn)品輸出等進(jìn)行數(shù)字化整合，更好服務(wù)投資者的同時，也有助于沉淀智力和經(jīng)驗，助力研究工作更加聚焦于產(chǎn)業(yè)和公司的深層邏輯，提升研究深度與價值。

中信證券在研究數(shù)字化賦能方面同樣走在前列。其研究部數(shù)據(jù)科技首席分析師張若海介紹，中信證券研究部的標(biāo)準(zhǔn)化投研產(chǎn)品“投研魔方”，在對內(nèi)數(shù)字化工作賦能方面，可以實現(xiàn)更好的可視化布局，方便初級分析師更快捷、更全面地獲得內(nèi)部資源。同時，在數(shù)據(jù)資產(chǎn)的可觸達(dá)性上有了顯著提升。垂直行業(yè)研究員可以更加便捷地了解研究部的全面儲備，數(shù)據(jù)可以成體系地有效支撐研究員的增量業(yè)務(wù)需求。

當(dāng)下，隨著分倉傭金的下降，外部環(huán)境改變之下，賣方研究或再一次站在破局的關(guān)鍵時點。

這一態(tài)勢下，高質(zhì)量的研究會更具競爭力。以歐洲市場為參照，自經(jīng)歷《歐盟金融工具市場指導(dǎo)》（MiFIDⅡ）改革以來，哪怕證券研究機構(gòu)的收入與傭金完全脫鉤，研報價格變得透明，買方機構(gòu)也需要挑選合適的外部研究，也就是說，研究的需求會一直存在，盡管大型券商仍具備規(guī)模優(yōu)勢，但長期看，研究質(zhì)量會實際發(fā)揮決定作用。

從國際投行的實踐來看，數(shù)字化建設(shè)不可或缺。波士頓咨詢（BCG）認(rèn)為，數(shù)字化突破將成為券商拉開差距、形成自身品牌特色的有力武器。

譬如，將產(chǎn)品差異化作為核心目標(biāo)的瑞銀全球研究所，其生產(chǎn)差異化研究產(chǎn)品的核心法寶正是瑞銀實證所，作為瑞銀集團的全球數(shù)據(jù)工廠，其管理著大量數(shù)據(jù)的標(biāo)準(zhǔn)化使用。

再譬如智能投研領(lǐng)域的現(xiàn)象級明星公司Kensho（肯碩，2018年為標(biāo)普全球收購），其致力于尋找事件與資產(chǎn)之間的相關(guān)度來做投資預(yù)測，可以利用人工智能技術(shù)大數(shù)據(jù)平臺，幫助賣方人員快速準(zhǔn)確地生成銷售材料以及研究報告。自創(chuàng)立之初，其便以“華爾街之狼”“取代分析師”等口號吸引了海內(nèi)外大量的關(guān)注，而大型投行高盛正是Kensho最大的投資人。

反觀國內(nèi)市場，在技術(shù)的催化下，傳統(tǒng)賣方研究市場或?qū)⑦M(jìn)一步分化。以新興技術(shù)為核心的金融科技，或?qū)⑼苿友芯繕I(yè)務(wù)向更具智能化、精準(zhǔn)化和特色化的服務(wù)模式發(fā)展。對于陷入存量博弈狀態(tài)已久的賣方研究行業(yè)而言，率先實現(xiàn)數(shù)字化突破的券商研究所，或?qū)屨几嘞葯C。加強平臺對研究的加持，在賣方研究商業(yè)模式的變革中，搶先邁入新時代，正成為每一家券商研究所面對的課題。