“養(yǎng)龍蝦”熱到基金圈！擁抱效率更需警惕數(shù)據(jù)風險

“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(shù)交織、理性與感性共存的工作領(lǐng)域。”一位公募基金經(jīng)理向券商中國記者表示。

近期，一場“養(yǎng)龍蝦熱”正從科技圈席卷至金融腹地，以O(shè)penClaw為代表的AI Agent（人工智能體）正逐漸引起公募基金關(guān)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(yīng)用，部分基金經(jīng)理尤其是量化基金經(jīng)理已經(jīng)嘗試運用OpenClaw進行策略研發(fā)，AI正逐漸從“超級工具”向“自主協(xié)作者”演變。

然而，在硬幣的另一面，基金行業(yè)也在重新審視AI對傳統(tǒng)投研模式的沖擊。無論是從處理海量金融數(shù)據(jù)，還是在量化投資中的信號識別，甚至是曾經(jīng)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(yè)正經(jīng)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(shù)據(jù)泄漏等威脅。

“養(yǎng)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(shù)據(jù)就行，但是最近半個月用下來，我發(fā)現(xiàn)它其實自主性很強，已經(jīng)能夠全天候獨立地從原始數(shù)據(jù)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?！苯?，上海一位量化基金經(jīng)理向券商中國記者描述了OpenClaw對他工作的幫助。

近日，以O(shè)penClaw為代表的開源AI Agent項目風靡一時，在全社會掀起了一場“養(yǎng)龍蝦”熱，其中不外乎信息密集、決策復雜的基金投研領(lǐng)域。

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

此外，易方達基金已組建專項團隊，在隔離網(wǎng)絡(luò)環(huán)境中對OpenClaw開展功能驗證與技術(shù)探索，尚未進入生產(chǎn)部署階段。據(jù)易方達基金金融科技板塊相關(guān)人士介紹，應(yīng)用場景重點圍繞市場信息自動化采集分析、企業(yè)數(shù)據(jù)治理等任務(wù)。

“OpenClaw作為開源、可深度定制的AI智能體，以‘AI執(zhí)行’能力點燃了公募基金行業(yè)AI應(yīng)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(chuàng)新能力，在應(yīng)用上，個人的主動性比較關(guān)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(shù)字助手’，有助于釋放個體創(chuàng)造力和生產(chǎn)力。”

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

“傳統(tǒng)投研工具（如Excel、Wind、Bloomberg）的核心是‘被動響應(yīng)’——人輸入指令、工具輸出結(jié)果，而OpenClaw這類AI Agent的核心突破是‘主動執(zhí)行’，能夠基于預設(shè)目標，自主完成‘信息抓取—數(shù)據(jù)整理—初步分析—結(jié)果反饋’的閉環(huán)，比如我們之前需要研究員花費1—2天整理某一行業(yè)的輿情數(shù)據(jù)、財報數(shù)據(jù)，現(xiàn)在通過OpenClaw配置相關(guān)技能模塊，可實現(xiàn)7×24小時自動抓取、分類歸檔，研究員只需聚焦于數(shù)據(jù)解讀和邏輯驗證，這本質(zhì)上是對投研工作流程的重構(gòu)，而非簡單的效率提升?！币婷窕鸨硎?。

中信保誠量化投資部副總監(jiān)、基金經(jīng)理王穎表示，公司量化團隊早已將AI技術(shù)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(jù)約三成的比重，其應(yīng)用主要集中在量價類的交易策略上。

“我們發(fā)現(xiàn)，這些由AI模型識別出的交易信號，當天執(zhí)行的收益要優(yōu)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(qū)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(xiàn)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(guī)劃、自主執(zhí)行的AI Agent，AI的迅速進化正在對傳統(tǒng)投研工作中以信息搜集、數(shù)據(jù)整理、報告撰寫為代表的基礎(chǔ)性、重復性任務(wù)形成直接沖擊。那么，對于公募基金，尤其是投研業(yè)務(wù)的從業(yè)者來說，面對AI的沖擊是否會成為第一次工業(yè)革命浪潮下的“紡織女工”？

華南某公募基金經(jīng)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(shù)據(jù)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(chǔ)性工作上發(fā)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?！?/p>

“AI和人在投研領(lǐng)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(jīng)理王悅也認為，一個好的投研人員應(yīng)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(xiàn)有的情況，問出一個好的“why”。以此來真正察覺一個產(chǎn)業(yè)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(jīng)理韋鈺也認為，目前來看AI還不能替代基金經(jīng)理和研究員。AI可以用于協(xié)助處理海量的歷史資料，梳理出關(guān)鍵和總結(jié)出一定的規(guī)律，角色更類似一位研究助理。研究員或者基金經(jīng)理可以在這些信息的基礎(chǔ)上，依靠自身長期積累的認知能力，做出更準確的行業(yè)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(xiàn)場調(diào)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(xiàn)場交流，其中很重要的一個目的就是感知對方的工作狀態(tài)，這或許聽起來有一些感性，但又會實實在在體現(xiàn)在公司業(yè)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(xiàn)有的材料進行整理分析，但合規(guī)前提下的非公開信息，也有著較高的分析價值?！鼻笆鋈A南公募基金經(jīng)理表示。

阿爾法來源從廣度轉(zhuǎn)向深度

雖然AI成為投研“利器”，但基金經(jīng)理乃至整個投研團隊的專業(yè)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(yīng)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(gòu)都能借助AI獲取相同的基礎(chǔ)數(shù)據(jù)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(jīng)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(guān)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?！?/p>

車宏原也表示，AI通過自動化處理多種模態(tài)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(chǎn)業(yè)洞察和交叉驗證等高階能力轉(zhuǎn)型，因此，有望推動投研體系向“人機協(xié)同”的網(wǎng)狀結(jié)構(gòu)進化，改變“研究員推票—基金經(jīng)理決策”的線性架構(gòu)。投研人員有望與AI共同進行線索挖掘、策略構(gòu)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(shù)交織、理性與感性共存的工作領(lǐng)域。”前述華南公募基金經(jīng)理坦言道：“站在公司層面構(gòu)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(tài)；而要構(gòu)建這個生態(tài)，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(guān)的。最終在這個環(huán)境中，大家各自發(fā)揮所長，又在統(tǒng)一的平臺上汲取信息的養(yǎng)分，最終構(gòu)成一個協(xié)調(diào)統(tǒng)一的生態(tài)?！?/p>

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(jīng)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(shù)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(shù)據(jù)和輸出結(jié)果，但不知道模型是如何得出這個結(jié)果的，這就是“黑箱問題”。

該公司認為，這種風險主要體現(xiàn)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(jié)果，在未來的市場環(huán)境中無法產(chǎn)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(shù)據(jù)，給出看似合理的決策建議，如果基金經(jīng)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(shù)據(jù)表現(xiàn)良好，就給出“買入”建議，但忽略了該個股當前的基本面已經(jīng)發(fā)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(yīng)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(yīng)性”，A股的交易行為是一個不斷自我適應(yīng)的動態(tài)過程?！澳阌脕碛柧毮Ｐ偷臍v史數(shù)據(jù)，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(shù)據(jù)，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(huán)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(xiàn)出劇烈的波動性。她舉例，一些在2023年表現(xiàn)優(yōu)異的機器學習因子，近期的業(yè)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?！白畲蟮奶魬?zhàn)在于，你不知道什么時候應(yīng)該停掉它。” 王穎坦言。

王悅補充指出，AI在基金投研的應(yīng)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(jīng)營隱私信息的各類手段。”王悅表示。

來源：券商中國