激情国产一区二区三区四区小说,精品一区二区三区少妇,乱色精品无码一区二区国产盗

匯添富投資洞察閱讀

基金經理

董超

匯添富基金董超：AI時代，投資研究的挑戰與機遇2026年04月17日

硅谷剛剛結束的GTC 2026上，黃仁勛笑稱，“現場來的最多的是金融分析師而不是開發者”，可見資本市場對AI的關注，過去幾年AI也在資本市場帶來了一大批投資機會。而另一方面，根據Anthropic最新發布的人類技能AI替代率報告（Labor Market Impacts of AI：A new Measure and Early Evidence），“計算機”和“商業金融”以94%的潛在替代率位列最高。現在AI Coding的能力已經無可置疑，考慮AI的進化速度，相信在金融領域全面應用甚至顛覆只是時間問題。

在研究AI帶來的投資機會之外，不禁思考略顯沉重的話題：AI時代，“傳統”的投資研究范式會發生怎樣的重塑？當AI可以撰寫報告、做出投資判斷，研究員、投資經理的價值又將如何體現？“手工匠人”式的主觀投資，如何向規則化、科學化的組合管理體系升級？

一、資本市場持續擴容，研究和投資的復雜度指數級提升，“傳統”投研體系面臨嚴峻挑戰

隨著資本市場的發展壯大，呈現出市場容量、信息密度、資管產品爆發式增長態勢。

一是市場容量持續擴張。到今年二月底，A股上市公司數量已接近5500家，總市值超116萬億元（數據來源：中國上市公司協會）。科創板、北交所、美股中概股回歸，投資范圍不斷擴大。不僅是數量的增長，隨著經濟轉型，產業結構也在發生動態變化——從傳統制造業、金融周期行業主導，到硬科技、新能源、生物醫藥等技術復雜、快速變化、國際化程度高的新興產業占比快速提升，產業研究的復雜度大幅提升。

信息密度指數級提升：上市公司研報曾經只是少部分券商能夠提供的“稀缺產品”，調研現場為主、經常交流一個小時、一天時間在趕路。如今線上電話會議大幅普及，產業鏈供應鏈上下游數據庫、專家會議不斷豐富，各類自媒體渠道信息擴散極快。圍繞上市公司和資本市場每天產生的數據、報告、資料浩如煙海，市場信息密度指數級提升；

資管產品大爆發：金融產品供給本身也在大爆發。從過去的主動權益基金為核心，到現在私募量化、指數ETF、主動權益、固收+、FOF乃至全天候策略百花齊放，僅量化交易占比據估計已經接近三成。在此背景下，單純的股票多頭策略遭遇多重考驗：一方面，Alpha的挖掘難度因競爭加劇而陡增；另一方面，主觀產品的風格穩定性、業績持續性相比量化產品整體上略有不足。近幾年私募量化和固收+受投資者追捧也體現了這一背景。

這幾個市場背景的變化，都對研究和投資組合管理都提出了更高的挑戰。而這些挑戰恰恰為大模型的深度應用提供了基礎。

二.AI大模型應用適逢其時，將對投研體系形成重塑與顛覆

大語言模型本身就是處理各種文本數據，包括年報、紀要、報告、財務模型，這也是為什么Anthropic認為最容易應用的領域之一就是金融分析。現在已經開始有一些應用，雖然還比較早期，但是相信以AI的進步速度，一定會非常快速的重塑現有的投研體系。

AI介入投研工作，主要是有著無法企及的優勢：1）極高效率，一分鐘生產深度報告，相當于一個初級研究員幾天的工作量；2）全面覆蓋，沒有行業偏見，相比而言研究員和基金經理受精力限制往往只能深度覆蓋少部分行業；3）全天候，24小時在線、全市場投資；4）穩定性。嚴格規則化和紀律性，沒有主觀判斷的隨意性、杜絕了人性的一些缺陷，例如下跌習慣性恐慌、上漲容易過度樂觀。

AI會取代大量的基礎研究工作，包括冗長的年報、復雜的專家訪談紀要、繁瑣的財務數據，AI能在幾秒鐘內完成提取、對比和摘要。從這個意義上講，傳統投研體系中充當“信息搬運工”的初級分析師，是最容易被替代的。大量的初級研究工作可能將很快由AI輔助完成。

AI可以學習復制一些看似“藝術性”的投資方法：相比于可閱讀的文本資料，投資組合管理看似具有非常高的主觀性，長期以來也主要依賴投資人的主觀判斷。但如果用AI的話語體系來表達的話，基金經理本質上是一個“模型”，每一筆投資決策就是做一次“推理”。對行業、公司和市場的研究學習就是訓練“模型”的過程。面對同樣的基本面信息，不同的投資者可能做出完全不同的投資決策，背后就是投資決策的“模型”的差異，或者說，基金經理某種意義上就是一個掌握某些特定“skill”的“Agent”。這些skill一般可以拆解成宏觀分析、行業比較、個股選擇、交易等等方面。以個股選擇為例，往往又可以拆解為質量、估值、增長、動量不同因子。例如格林布拉特的“神奇公式”選股就是用質量和估值兩個簡單的因子。既然投資方法可以解構為因子，某種程度上就可以用AI來學習、復制。例如，讓AI完全按照巴菲特的投資體系來訓練，是不是就可以復制一個巴菲特版的選股Agent？

量化投資與主動投資的界限可能會逐漸模糊：以往量化投資，基于金融市場量價數據分析、利用中高頻交易獲利，與基于基本面信息做價值判斷的主動投資從底層邏輯上并不直接相關。但AI大模型與基本面研究的原理高度契合。未來基于大模型學習基本面知識、做投資判斷的基本面量化與主動投資的界限可能會逐漸模糊；這也意味著Alpha的挖掘難度會進一步加大。

三.應對之道：AI賦能下的主動投資進化

當然，我們也要樂觀的看到，即使AI進步的再強大，主觀研究也依然有獨特優勢和不可替代性，關鍵是擁抱AI賦能的同時，發揮主觀能動的優勢，在信息平權的時代，完成從“信息優勢”到“認知優勢”的躍遷，從“個體智慧”到“人與AI協同”的轉型。

第一，堅守AI無法結構化的判斷維度。基礎的信息的搜集分析（紀要、報告、財務數據）將很快被AI取代，而投資真正的判斷恰恰在這些信息之外的深刻認知，比如企業家精神、護城河、產業前景等等。這些都需要實地調研、長期跟蹤、深入產業才能夠判斷，這背后恰恰是投資中最稀缺的，對管理層、對商業模式、對產業中長期趨勢深刻的洞察力。

第二，深度壁壘對抗廣度優勢。持續“強化學習”、形成更專業的垂類“小模型”。也許未來AI可以做到全面、無差別的學習各個行業、所有上市公司，但是投資者仍然可以在具體行業、具體公司的研究深度上領先，這背后是長期的投資研究中積累的私有數據、經驗教訓形成的行業研究框架，相當于在特定領域持續“強化學習”。

第三，堅守正確的投資理念與價值觀。某種意義上AI并沒有“價值觀”，只是數學上的統計結果。例如，現在的量化策略多數暴露在某些特定的因子上，僅僅是因為這個因子過去有效，與價值投資、做深入價值判斷的本質依然有較大的差異。這種策略的長期持續性也存在一定的不確定性。

最重要的是，在AI時代，全面擁抱AI的工具和理念，規則化組合管理，把過去某種意義上的“手工匠人”式投資，升級為規則化、科學化投資體系。把主觀、略帶模糊的投資體系歸結于標準化的因子表達，提煉為一個個可執行的“skill”，包括實現個股選擇、組合構建、交易體系等等的規則化。聚焦長期最有效的“因子”，形成明確可解釋、可執行的規則，基于AI工具穩定高效率執行，實現組合管理的科學性、投資業績的穩定性。

“市場短期是投票器、長期是稱重機”。從100年前到今天，投資研究的門檻、便利性今非昔比，隨著投資研究工具的進步，市場“投票”變得越來越容易，但“稱重”的能力似乎并沒有變化，體現在市場短期有效性急劇提升但長期依然存在重大的結構性投資機會。正如巴菲特所說，“沒有人愿意慢慢變富”，價值投資依然是市場少部分投資者的行為準則。

從這個意義上講，直面AI時代，擁抱AI賦能主動投資，更好踐行規則化投資、價值投資，可能仍然是投資的正道。

風險提示：基金有風險，投資需謹慎。本資料涉及的觀點和判斷僅代表我們對當前時點的看法，基于市場環境的不確定性和多變性，所涉觀點和判斷后續可能發生調整或變化。本資料僅為宣傳材料，不作為任何法律文件，本文僅用于溝通交流之目的，不構成任何投資建議。基金管理人承諾以誠實信用、勤勉盡職的原則管理和運用基金資產，但不保證基金一定盈利，也不保證最低收益。基金的過往業績不預示未來表現，基金管理人管理的其他基金業績并不構成基金業績表現的保證，投資人應當仔細閱讀《基金合同》《招募說明書》《產品資料概要》等法律文件以詳細了解產品信息。