券商正在嘗試用AI（人工智能）來解讀重要會議內容。

近日，中金公司大類資產研究團隊推出了AI策略系列報告，第一篇報告聚焦中央經濟工作會議，從AI視角去解讀年度政策思路。

最近兩年，投研領域涌現不少AI應用成果。除去年引發市場較高關注的分析師用AI撰寫醫美研報、發布AI數字分身外，還有多家券商推出“大模型+智能投研”成果。

“長期看，大模型將推動投研工作范式的變革，替代人工完成更多創造性工作。”恒生電子首席科學家、恒生研究院院長白碩表示，從技術上說，圍繞大模型建立具有高度專業水準的RAG（檢索增強生成），可以形成“語控萬數”的效果。比如一份數萬字研究報告，未來可以在專業思維導圖（外掛思維鏈）的引導之下逐段瞬間生成。

用AI解讀會議出研報

12月16日，中金公司大類資產研究團隊推出了AI策略系列報告，第一篇即是用AI解讀近期召開的中央經濟工作會議。

研報開篇提到，人類分析師的常規政策解讀方法為圈定政策文本中的關鍵詞句，與上一年關鍵詞句對比，判斷政策方向與強度。AI則可以從當期與歷史上政策文件中的所有文本中全面提取信息，遵循一致的評判原則，打破人類記憶極限與主觀判斷局限性。更為重要的是，AI解讀可以把政策表述具象化，把文本信息轉化為可追溯的數字時間序列，易于追蹤理解，提供量化信號。

比如，中金公司大類資產研究團隊設立了一個“穩增長”情緒指數，讓AI提取了2011年到2024年歷年中央經濟工作會議中的“穩增長”相關文本，再轉化為數字信號。再將“穩增長”情緒指數的變化，與近14年來A股和利率在會后3個月內的表現進行對比。

該篇研報還通過AI分析會議通稿的文本結構，識別出2011年～2024年文本中各個段落的中心主題，進行比較。

結果顯示，2015年～2016年期間“供給側改革”成為全國經濟的工作重點，“結構性改革”篇幅明顯擴張。2020年以來全球迎來“百年未有之大變局”，經濟運行出現一些新特點新趨勢，文件在大方向上的指導更多，“總體理念”主題的篇幅增加。“宏觀政策”的討論篇幅近年來逐年增加，且情緒上更積極，反映為了應對內外挑戰，“穩增長”政策持續發力，更加給力。不過，對于具體主題的內容變化，AI輸出的結果其實和近期各家券商研究所出品的報告相差無幾。

券商競相追逐大模型

上述研報主要使用的是AI大語言模型。其實，使用大語言模型賦能投研工作也算不上“新鮮事”。近兩年，隨著大語言模型的技術突飛猛進，已有部分金融機構率先使用。

據了解，國金證券研究所金融工程團隊在業內首提大模型的產業鏈智能挖掘，通過和科技團隊的合作挖掘最新輿情中的標的，如產業鏈板塊、關聯度等；依托大模型的信息整合和推理能力深入挖掘新聞解讀、輿情、智能市場分析、智能研報寫作等場景。

海通證券打造“e海言道”研報點評大模型，提供文檔解析、維度推薦、證據檢索、報告生成等。該模型可自動生成年報、半年報、季報、月報點評報告的點評，并能夠追溯點評報告中所使用的數據來源。

再比如，中信建投的智能投研平臺，實現了智能摘要、智能轉錄、文檔問答、投研觀點溯源等功能，可以10分鐘“聽”完2小時的調研會議，提升投研工作效率40%以上。申萬宏源和國泰君安也探索了AI賦能投研，前者推出了研報自動化智能降維解讀，后者賦能研報同版翻譯、研報轉PPT、會議轉寫、智能撰寫、合規審查等場景。

除此之外，去年5月，招商證券傳媒首席分析師、TMT（科技、媒體和通信）大組聯席組長顧佳發布的AI數字分身，可以24小時工作，并同時出現在路演現場等多個場景，曾引發極大關注。

總體而言，在賦能投研上，AI更多是聚焦已有研報等信息的整合，或者二次加工，以音視頻等形式輸出，直接使用AI寫研報的案例不多。從中金公司大類資產研究團隊的這次實踐不難看出，使用AI寫研報，離不開與人類分析師的配合協作。中金公司大類資產研究團隊先設定研究思路和框架，并將提取的文字信息設置不同的權重，才能輸出量化的結論。

“大語言模型的判斷受訓練數據和算法限制，在特定條件下（如數據稀缺、語境復雜）對文本的判斷可能不準確，其分析結果僅作為參考，無法替代專業投資分析，投資者在使用時應結合實際情況進行判斷。”中金公司大類資產團隊在報告的風險提示中提到。

當前應用場景

仍有局限性

目前，在業內看來，大語言模型的優勢主要在于提升投研體系效率，可以對海量數據進行處理，承擔一些重復性、事務性工作。

白碩對大模型在投研領域的應用前景較為看好。他表示，投研是一個搜集數據、分析數據、研判趨勢、形成觀點的過程。目前市場對投研能力提升的需求，具體表現為“搜、讀、算、寫”四個主要環節。大模型憑借精準的意圖理解能力、流暢的文本寫作能力和在長文本、多模態及慢推理等方面能力上的顯著提升，讓大模型賦能投研有了足夠堅實的技術基礎。這種全方位的能力就不僅局限在“數據分析軟件”的層面，而是將信息搜集、數據和知識提取、分析研究與觀點輸出、觀點呈現、跟蹤調整等各個環節全面用AI武裝起來。

不過，就當下而言，AI在投研領域的運用場景仍存在一定局限性。興業證券研究團隊認為，大模型的“生成”能力仍然基于已有規則或“語料”的學習，自身的復雜推理能力仍相對較弱。如果向其所投喂的數據或訓練過程出現偏差，很容易導致相關模型“一本正經胡說八道”，因此當前仍需要人力的監督和介入，才能更好地發揮好AI的作用。

如何打造一個更“好用”的投研平臺？白碩認為，從技術上說，關鍵是圍繞大模型建立具有高度專業水準的RAG，把大模型強大的語言和邏輯推理能力、優質廣譜的金融“活數據”供給以及投研業務的協同工作環境有機地整合在一起，形成“語控萬數”的效果，讓海量數據召之即來、來之能算、算之能用。

（來源：證券時報網）