加速人力替代？AI+ 金融大動作頻頻

6 月 19 日，AI 繼續活躍，其中細分 AI+ 金融異動，金證股份漲停，同花順，財富趨勢等大漲。

催化上，近期 AI+ 金融領域近日動作消息頻頻，國盛證券最新研報指出，AI+ 金融可分為四個層次：傳統機器學習、大模型 + 微調、大模型預訓練、智能投研，需要加大重視金融AI。

AI+ 金融動作消息頻頻

6 月 18 日，據中國基金報消息，興證全球日前宣佈，該公司與 Qtrade 聯合打造的 AI 智能交易員 “興寶” 上線，成為首家將 AI 技術應用於資金交易領域的基金公司。

興業基金也官宣，自研開發 “興小二” AI 債券交易機器人，興業基金也由此成為在外匯交易中心 iDeal 平台首家上線智能詢價機器人的公募基金公司。

資料顯示，AI 交易員不僅能通過關鍵要素的識別和提取，並主動發起提問確認，實時提取深層次意圖，快速獲取對手方意圖；而且可以通過不斷地問答交流，經過一系列的詢價議價過程，完成手方的詢價需求採集，並將詢價狀態實時反饋給交易員，獲取最終匹配交易反饋給交易員，和對手方確認後即可完成交易。

據悉，自上線以來，AI 交易員替代了大量重複勞動，極大提升了工作效率，降低了操作風險，5 月 19 日上線以來成交量逾百億。

此外，前段時間有私募基金公司宣佈利用 AI獨立管理私募產品。

6 月 1 日，私募公司止於至善投資發佈公告稱，擬安排公司 4 位研究員，以及 AI機器人（暫定名為賽博坦），獨立管理 5 只不同的私募基金。AI 基金經理賽博坦將單獨管理止於至善 1 號，並由公司總經理監督。

止於至善投資總經理表示，AI 基金經理賽博坦和目前的量化機構的程序化交易有三個不同，首先是不使用量化因子，其次是不依賴金融邏輯，第三是基於深度學習去做的投資。從效果來看，和主觀管理相比，收益不變的情況下，AI 降低迴撤至少 10 個百分點，效果很明顯。

海外方面也有動作。

6 月 7 日，美國金融科技公司 Broadridge 子公司 LTX 宣佈，推出一款基於 GPT-4 大模型的聊天機器人APP——BondGPT，可回答各種與債券相關的問題，並幫助用户解決相關問題，該產品號稱將增強 10.3 萬億美元的美國公司債券市場的流動和價格發現。

Broadridge 在公告中表示，所有 LTX 客户都能夠使用 BondGPT。據介紹，已有 30 多家交易商和 80 多家資產管理公司在使用 LTX 平台。

金融行業坐擁數據富礦

東吳證券表示，未來 AI 模型的競爭力或體現在數據質量和稀缺性，在細分領域的大模型應用將更依賴於高質量的訓練數據，從而建立更專業的應用。

而華泰證券指出，金融行業數字化程度領先，擁有數據富礦，有望成為 AI 大模型率先落地的垂直領域之一。開源證券也表示，金融行業擁有大量 C 端用户羣體，積累了海量數據，應用場景豐富，是優質 AI 落地場景。

從應用端來看，據華泰證券梳理，AI 生成式和理解式大模型在銀行、保險、資管、投研、投顧等多個細分領域正在落地或擁有潛在落地場景，幫助金融機構降本增效。具體來看，

1）銀行領域，大模型可助力數據洞察能力提升，賦能高質量顧問式金融服務。

具體來看，理解式大模型可以用在信貸風險管理、智能獲客和產品識別等場景，通過提升銀行的數據洞察理解能力，來更好地識別客户需求以及評估客户信用風險。

例如，英偉達和德意志銀行合作測試 Financial Transformers(Finformers) 大模型，能夠從非結構化數據中提取關鍵信息，以提供早期風險預警信號。度小滿的智能徵信中台將 LLM、圖算法應用在徵信報告的解讀上。

生成式大模型則可提高客户服務質量，智能客服既能與用户進行多輪對話，還能提出具體可行的解決方案。例如，中國工商銀行發佈了 AI 金融行業通用模型，智能客服在識別客户來電訴求和情緒的準確率上有顯著提升。

2）投資研究領域，大模型可以成為投研從業者的 “全能助理”。

理解式大模型不僅可以輔助瞭解國內外的宏觀政策、行業信息、公司和產品信息，並將關鍵信息進行抽取與提煉，還能通過對海量非傳統數據進行挖掘來發現另類投研因子。生成式大模型則能實現研報的自動生成和翻譯。

3）投資顧問領域，大模型不僅能充分利用自有內容資源，還能幫助全方位分析客户需求和市場趨勢，提供自動化的投資建議。

比如，同花順應用 LLM 來構造合規、準確的投顧助手，通過 Double-Check、多輪對話等模式，消除對話中的歧義、更好鎖定投資者意圖，從而準確瞭解用户畫像來設定投資目的及風險承受度，並提供自動化的投資建議。摩根士丹利已經接入 OpenAI，充分挖掘自身龐大的研究資源和數據庫，為財富管理顧問提供幫助。

4）財經新聞領域，理解式大模型幫助理解和判斷財經新聞文章中的情感走向，生成式大模型助力更準確的金融問答和資訊寫作。

例如，彭博社近期發佈的BloombergGPT 得益於大規模金融垂直領域的文件、行業新聞、社交媒體等文本數據集的訓練，能夠理解財經新聞背後的市場 “情緒”，輔助金融資訊寫作，這解決了通用 NPL 模型在金融領域應用的痛點。

中信證券還提到，由於 ChatGPT 在語義識別和人機交互方面的技術突破，其對金融科技可能產生的影響還包括：可能突破財富管理的投顧瓶頸。

其表示，財富管理是金融科技最大的增長點，第三方財富管理（含保險在內的大理財）最大痛點是投顧服務線上化，投顧服務線上化的難點是用户交互，而 ChatGPT 為用户交互體驗大幅提升提供可能性。

但也有侷限性

值得一提的是，興業證券也提到，中短期 AIGC 技術在金融領域的應用仍有一定侷限性，金融垂直細分領域具有其特殊性：

一方面金融行業的應用場景往往對實時性要求較高，同時涉及對時間序列數據進行分析，不同時間區間的訓練樣本可能導向截然不同的結論。

另一方面，金融領域對於合規性及內容嚴謹性的要求高於大部分行業，目前 chatGPT 根據統計學模型生成的結果無法完全保證內容的正確性與準確性，也無法驗證其數據來源。

不過從更長期視角來看，其預計 AIGC 在金融領域的應用方式或將包括商業化落地產品 + 類似基礎設施的生產力工具兩大方向。