一谈起金融行业,不免让人想到,北京金融街、上海陆家嘴行走的西装革履的精英人群。而在这群人光鲜亮丽的外表之下,隐藏的却是一般人不能承受的工作压力。

厉害了!让投研员拥有“外接大脑”,智能投研是怎么做到的?-大数网

尤其是投研领域,虽然国内不少证券和基金公司都设有专门的研究部门,但相应的投研工作量仍十分巨大。投研员要通过百度、专业书籍、公司公告等找寻相关信息,然后再通过相关工具进行逻辑推演完成分析研究。

在这一过程中,投研员很容易存在搜索途径不完善、数据获取不完整且不及时、人工分析研究稳定性差、报告呈现时间长等问题,但智能投研通过对信息的智能整合,实现数据之间的智能化关联,从而提高投资者工作效率和投资能力,此外,通过结构化、模型化的处理方式,智能投研也将提升金融数据的效用和价值。

智能投研将会带来哪些变化?

传统的投研工作,主要可以分为四个步骤:

1、信息搜集,通过各类公开信息找寻行业、公司的基本信息。

2、数据、知识提取,借助公告、新闻等获得相应的数据、知识。

3、分析研究,借助表格等工具进行逻辑推演和分析。

4、观点呈现,将分析结果以报告的形式呈现。

对于投研员来说,不论哪一个环节,都需要耗费大量的脑力,而且有很多都是异常繁琐且复杂的工作,但人工智能技术的介入,正在给传统投研的各个环节带来革新。关于智能投研的定义,业界已经基本形成共识。

智能投研是在金融市场数据支持的基础上,通过深度学习、自然语言处理等人工智能方法,对于数据、事件、结论等信息进行自动化处理和分析,为金融机构的从业人员(如分析师、基金经理、投资人等)提供投研帮助,提高其工作效率和分析能力。

这也就意味着,未来智能投研将可以实现自动提炼报告观点,甚至撰写基本研报。比如在深度学习的基础上,自动生产金融中介机构向上报送的规范性文件、券商分析师每日的市场短评等。这一点与时下应用广泛的智能写稿机器人非常类似,尤其在一些财经报道及体育赛事报道中,智能写稿机器人通过数据抓取和稿件生成技术,可以自动写出“格式化”的硬新闻报道。

对于金融机构来说,投研部门借助智能投研要做的不仅仅是提高自身效率,还要用研究结果辅助投资决策,金融机构将自身的投资逻辑和策略融入到智能投研中,从而提升智能投研的辅助决策能力。

智能投研若想加速落地还需要克服这些困难?

自2013年金融科技发展热潮兴起算,智能投研在我国的发展不过六年左右。目前看,智能投研的发展依然比较缓慢,究其原因,主要集中在技术、应用、市场等几个方面。

首先,在技术层面,智能投研作为金融业务与新技术的结合体,双方的融合并非一帆风顺。懂技术的未必懂金融,懂金融的又缺乏对技术的深入理解,这样一来,由于金融市场本身的复杂属性和规则,导致智能投研产品很难真正发挥出其应有的作用和价值。

其次,在应用层面,目前智能投研的价值主要体现在提高效率、降低成本上,而且由于其作用和价值并没有完全展现出来,很多金融机构并不热衷于采用智能投研产品。与其采购一套价格不菲的智能投研产品,金融机构更倾向于招聘一个能够做些基础投研工作的员工。

第三,在市场层面,当下传统金融机构和互联网巨头分别从金融和技术两个角度出发,抢滩智能投研领域,这对于那些初创企业来说,就意味着他们必须找到巨头薄弱的环节入手,在垂直细分领域打造出解决客户痛点的产品,这无疑也将一部分新入局者挡在了门外。

就目前的发展趋势而言,未来传统金融机构和互联网企业必将携起手来,金融机构输出自身在金融领域的经验积累,互联网企业则输出技术能力、产品创新能力等,从而共同推进智能投研领域的发展。

在智能投研领域,百度智能云不仅已经建立起与销售系统对接的较为完善和标准的资产系统体系,还在大数据、AI等能力上有了一定的突破,其中,百度智能云的OCR、知识图谱、自然语言处理等技术正在替代人工帮助金融机构进行金融信息的收集与整合,大大提升了投研的效率。