券商追逐大模型赋能投研 分析师用AI写研报再进一步

证券时报记者　马静

券商正在尝试用AI（人工智能）来解读重要会议内容。

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证券时报记者表示，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。

用AI解读会议出研报

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。

券商竞相追逐大模型

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。

证券时报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。

当前应用场景

仍有局限性

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。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。