“AI+金融”未来已来 热潮之下风险隐现

原文：21世纪经济报道

图片来源：由** AI‌ 生成

由Chat GPT掀起的本轮人工智能应用热潮延伸至金融行业。

近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”，成为首家将AI技术应用于资金交易领域的国内基金公司。

事实上，在AI大潮之下，从券商分析师AI分身，AI量化投资到再到AI资金交易机器人……今年以来，已有多家券商、基金公司等金融机构纷纷推出了适用于投资场景的AI产品。与此同时，以恒生电子为代表的金融软件服务商也在推动AI投研产品的落地。

自2016年以来，陆续有证券公司推出智能投顾服务、数字化创新实验室等智能化应用，将AI技术与运营、风险管理、客户服务等业务深度结合已是大势所趋。与此同时，基金公司也在做同样的尝试，甚至已将AI手段融入交易环节。Chat GPT的诞生更加速了这一进程。

“对于AI的应运，行业整体仍处在初始的探索阶段，业内正从各个方向思考如何借助AI技术，提升自身的运作效率与效果，其中比较积极的公司，已经开始尝试推出相关产品，有成功的案例，但失败的案例也不少。”一位**业内人士向21世纪经济报道记者指出。

对于AI与交易的结合，该人士认为，资金交易对安全、稳定、准确等要素的要求极高，因此AI资金交易这类应用仍然需要防范数据、算法和算力等方面隐藏的风险。

AI+券商：需兼顾合规性

众所周知，ChaPT的面世标志着AI的发展进入了通用人工智能(AGI)新时代，以“大模型”为基础的对话、写作、文生图等AI应用也开始影响证券公司的业态。

今年5月，券商分析师AI分身**进入大众视野。

招商证券为其传媒首席分析师顾佳打造了AI数字分身。按照官方介绍，顾佳的AI分身，可以同时出现在路演现场、新闻发布会、研报解读、分析师电话会，以及任何客户需要的地方。

据了解，近年来，招商证券全面建设AI体系，其数字员工助手案例曾被引入《证券公司数字化转型实践报告及案例汇编（2022）》中。

与此同时，也有券商寻求外部合作以探索适用于券商业务的AI应用。

例如，5月18日，东吴证券与同花顺正式签约，双方将联合成立AI研究院，共同研发东吴证券-证券行业大模型。

中国银河于4月4日在投资者互动平台上表示，公司已与多家具有市场竞争力的AI公司进行合作，并在智能营销、智能投顾、智能客服、智能风控、智能文档、身份识别等领域运用AI技术，后续会持续跟进**的AI技术，扩展AI技术的应用场景和应用领域。

瞄准“AI+券商”场景的还有金融软件服务商。近日，有消息称，恒生电子或将推出定位于AI投研的数智金融新品。

此外，海外哥伦比亚大学近日联合上海纽约大学推出了金融大模型产品FinGPT。

在海外市场，已有投行将**面世的GPT产品应用于财富管理业务。今年3月，在OpenAI在发布GPT-4之后，摩根士丹利方面表示，目前已经使用GPT-4技术将所有智库内容转化为更易于使用和操作的格式。据悉，摩根士丹利此前有300名顾问测试这款工具，并计划在未来几个月广泛推广。

AI 技术的运用，不仅可以帮助券商各业务部门提高工作效率，也挖掘了更广泛的财富管理需求。

厚石天成投资总经理侯延军认为，AI在数据挖掘，算法，客户服务，工作效率等方面，未来在金融领域会有广泛的应用。

不过，也有业内人士指出，一些AI技术的实际落地仍然需要不断摸索。此外，券商在探索AI应用时如何兼顾合规性，是行业共同面临的难题之一。例如，分析师AI分身等虚拟数字人仍处于“监管空白”地带。

AI+资金交易：防范三大风险

相比之下，对于业务模式相对单一的基金公司来说，其对AI的诉求更为聚焦。近年来，部分基金公司已将AI与风控、研究、客户服务或是辅助决策相结合。**趋势是，基金公司开始将AI技术应用于资金交易领域以及询价环节。

近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”。目前，“兴宝”已正式在Qtrade平台上线。

据介绍，AI交易员不仅能通过关键要素的识别和提取、上下文逻辑的理解，主动发起提问确认，实时提取深层次意图，主动分布式发问，快速获取对手方意图，而且可以通过不断地问答交流，经过一系列的询价议价过程，完成对手方的询价需求采集，并将询价状态实时反馈给交易员，获取最终匹配交易反馈给交易员，和对手方确认后即可完成交易。 

而今年3月，兴业基金自主研发的“兴小二”AI债券交易机器人也已上线，该公司成为首家在外汇交易中心iDeal平台上线智能询价机器人的公募基金公司。

“以前一直有机构在尝试AI与交易结合，更多是通过数据算法或者业务规则做人工智能的探索，近几个月以来，随着ChaPT为代表的大语言模型能力兴起，这类探索再次变成了行业热点。”上述**业内人士向21世纪经济报道记者指出。

在他看来，未来几个月、甚至是几年内，机构对于AI与交易结合的尝试将不断增多。

这主要是因为，“AI技术，尤其是新一代大语言模型的技术，对于大部分行业都有影响，在交易领域，通过AI技术与算法，不断地深入投资交易的细节，比如机器人询价等，将人从简单重复甚至通识性的工作场景中解放出来，从而使得交易员能够更加专注的进行专业深挖。”

不过，他也谈到，AI目前更多是在通识性应用方面表现较好，但交易是一个非常专业的领域，由于数据源、训练场景等因素的限制，成功的案例还不多。AI的应用成功除了技术突破外，更需要大量的业务场景融合，只有通过场景技术融合的打磨和深入细化，才能真正做到AI技术的实际落地。

值得一提的是，资金交易对安全、稳定、准确等要素的要求极高，在与AI技术结合的过程中，仍然需要防范数据、算法和算力方面隐藏的风险。

上述**业内人士详细谈到，首先，由于资金交易对于数据安全、准确的要求极高，在应用AI技术的过程中，数据基础的重要性排在第一位。AI本身不能解决数据准确的问题，所以需要基础的数据治理工作非常扎实，要先保证高质量的数据基础，包括数据的一致性、准确性、安全性等等。

其次，算法方面，通过AI人工智能可以做很多事情，但目前AI技术算法很多时候做的是数学概率的事情，人工智能还没有发展到跟人一样智能，因而会出现错误的结果。例如ChaPT大模型，大部分时候都表现不错，但个别情况也会回答得不靠谱。而资金交易对于错误发生的容忍度极低，万分之一的概率都不允许出现。这种情况下，如何对于AI产生的结果进行复核或者多层识别就需要特别重视。

再次，算力方面，以大语言模型为代表的新一代人工智能，对于算力要求很高，动则数百亿、上千亿的参数，还需要大量训练。对于基金公司而言，如果直接借用百度、科大讯飞等公共大模型能力，就会涉及数据安全的问题，如果是自己独立部署与训练，又会面临投入产出比问题，如何做好公共算力与私有算力的平衡，是行业各家公司都要面临的问题。

此外，前海开源基金首席经济学家杨德龙表示，将AI应用于交易环节，需要防范的风险在于交易的合规性，比如这类交易在兼顾效率的同时，是否考虑了交易的公平性。同时，也要注意防范系统性的风险，比如美国的量化投资占比较大，可能会出现由量化交易造成的踩踏事件，导致道指瞬间跌一千点等现象。这类风险需要重视。

AI能否替代主动型基金经理？

另一方面，市场较为关注的是，未来，AI是否有可能代替基金经理，进行自主投资？

“在量化投资中，AI技术已经广泛地应用在了投资决策环节，而主观多头，特别是价值投资使用该技术的案例相对较少。”止于至善投资基金经理何理指出，价值投资策略要想实现AI投资，需要具备深度的价值投资能力+先进的AI技术并理解该技术，两者结合才行，同时这个过程中可能要在研发上会付出大量的成本。

“chat GPT带火了AI，但机器学习等具体的AI技术早已在量化中得到了广泛的应用，所以AI在量化和投资领域的应用已经不再是初始的阶段，现在已经日趋成熟了，只不过**的算法和算力还是在不断的迭代过程中。长期来看，AI是很好的投资辅助工具之一，但未来AI不太可能完全替代人投资，只是会用AI的投资可能会替代不会用AI的投资。”融智投资FOF基金经理胡泊指出。

杨德龙也谈到，基金公司应用AI技术参与一些投资研究方面的辅助工作是可行的，因为AI应用确实能够省去很多人力，同时也有一些人工不具备的优势，比如数据运算能力强等等。但是完全替代人工的可能性不大。毕竟资本市场还是有很多方面需要人工进行判断，所以AI还不能完全替代人工。

在上述**业内人士看来，AI技术能否成功应用于投资决策的关键环节取决于三个层面：一是技术可行性，哪些领域AI可以赋能，哪些环节AI技术相对成熟；二是社会可行性，投资决策过程中，投资经理和研究员在哪些领域更愿意借助AI技术，哪些环节更容易实现AI赋能；三是投入产出比，很多AI应用都是创新项目，存在失败的概率，必须要考虑投入产出比。

“综合这三个方面考虑，目前看，在投资研究时，调研记录的整理、资讯内容的提炼、研报的撰写等，AI技术相对成熟一些，预计投研人员更愿意借助AI技术，提升自己的工作效率，且成本投入不会很大，这些可以优先形成智能辅助工具，赋能投研增效。而具体的投资决策更多依赖基金经理的个人经验和能力，AI技术并不成熟，投资人员本身的意愿以及融合程度都很难确定，投入产出比更是难以衡量，所以AI在其中的参与度要慢很多。不过，量化投资有望是**借助AI能力进行决策的领域。”他表示。