數字中國戰略拉開，資產管理行業如何走向數字化?在投研行業中人工智能輔助投研工具的應用效果與場景是怎樣的?數據量需求最大的量化投研行業新發展階段的產生原因?在近日通聯數據主辦的的「嗨～AI」資產管理數字化轉型峰會上，中信建投研究所所長武超則對此提出了她的看法。

數字化對各個行業都是有深刻影響的。十年前的網絡化和信息化，那個時候大家都覺得線上是非主流，現在看線上化是主流。資管行業現在還處在信息化到數字化之間沒有到數字化的階段。數字化本質上需要有一系列的過程：比如說上云、比如企業的數字資產，怎么能讓它上來，未來才能基于數據的本身和算力的提升最后走向應用，也就是智能化的階段。比起消費 互聯網 ，資產管理的數字化和智能化程度其實是不高的。全行業都還是在一個過渡的過程中， 金融 行業或者說資管行業，相對而言這兩年數字化進展明顯開始加速。因為行業特性，即主要還是服務很多機構客戶，服務TO C客戶的部門相對數字化程度更高一些。數字化最重要的目前指導 投資 作用發生在對我們研究邏輯上的一個補充，或者說是一個輔助決策，提高效率，因為投資是一個相對比較復雜的模型。

我認為像通聯數據這樣的人工智能輔助投研工具，可能不僅僅是對量化分析師有用，對所有行業分析師都是有用的。本質上，都是帶來生產資料和生產工具上的變革。以前分析師使用的是上市公司公告，或者調研，一些傳統的數據來源。但是隨著基礎工具的變化，我們現在和通聯有一些數據方面的合作，比如分析師用它的工具對底層的數據進行整理啊，清洗啊，包括一些智能研報的輸出。目前現在看，很有效的。首先是效率的提高，對于節約分析師時間是很有用的，可以有效降低人工成本。

第二個我覺得長期看，我們可以用它來滿足我們的定制化的需求。我們在投研分析工作中，并不會完全從產品出發，而是從需求出發，反向基于真正大數據來做分析，現在的大數據雖然很全，但是數量太大，不可能一開始就撲進大數據，那么找到有效數據就像大海撈針了，所以對我們的挑戰是怎么把這樣的大數據用起來。另外，如果研報模型或者底層框架太復雜，輸出的東西就是無效的。而人工智能可以持續處理巨量數據，因此我們與通聯數據的合作更進一步，將大數據資源與我們現有的框架和研究方法結合起來，產生一些新的研究成果。

量化投研目前正處于一個好的階段。一方面是整個資管行業正在發生一個非常大的擴容和爆發，我覺得這是基礎。如果沒有這樣一個爆發的話，在過去這個市場容量里，很多主動權益的管理就足夠了，量化最合適的還是圍繞大規模的資金和資本，比如像ETF這一類的產品。第二個是國內和海外市場的差異性導致的。很多做量化的人都是在美國或者海外，更多的是從海外把模型拿過來，去改進升級。這種辦法在初期比較有效，但是當大量的人都在這樣做的話，這個東西可能會失效。所以長期看，還是要基于我們自己市場的特點和特色，比如我們也剛剛開始做注冊制，包括我們對新股的理解等等，帶有中國市場的特色的策略會更有效我認為。最終我覺得做賣方量化的支持，可能更多還是在過程中，或者叫邏輯的輸出，包括因子的輸出上面，可能我們會有一些優勢，因為我們的信息面或者是數據源會更多一些。輔助這些買方去做決策。這塊是我們現在定位去做的事情。