走向“奇点”——AI重塑资管业

瑞银认为，未来十年最成功的投资者将不再是纯量化或传统选鄙者，而是能够同时驾驭两种方法并将AI作为力量倍增器的复合型人才。瑞银指出，分析师在识别重大风险方面具有优势，而在分析师没有明确观点的领域，机器学习模型表现更优。

瑞银认为人工智能正在引发一场深刻的资产管理革命。这场帮命的核心并非是机器取代人类，而是人机协作带来的“奇点”——一个结合了人类深度洞察与机器超凡算力的投资新范式。

追风交易台消息，8月27日瑞银研报认为，未来十年最成功的投资者将不再是纯量化或传统选鄙者，而是能够同时驾驭两种方法并将AI作为力量倍增器的复合型人才。

瑞银指出，分析师在识别重大风险方面具有优势，而在分析师没有明确观点的领域，机器学习模型表现更优。结合人工智能和人类洞察的混合模型能够在更广泛的股票池（超过3,860只股票）中产生显著收益。

AI的三大利器

瑞银指出AI已不再是遥远的概念，而是由一系列数据驱动技术组成的工具箱，正深度嵌入投资流程。其崛起源于数据爆炸、算力进步和AI工具的普及化。

报告强调，当前对资管业影响最大的三项技术是：

机器学习： 作为AI的核心，机器学习模型通过学习数据中的模式来进行预测。它被广泛应用于信号生成、风险建模、甚至寻找交易流动性。机器学习擅长识别传统线性模型无法捕捉的非线性关系，从而提高预测准确性。

神经网络： 尤其是深度学习架构，在处理高维度、非结构化数据方面表现出色，例如识别波动率曲面中的模式或捕捉时间序列数据中的时序依赖关系。其灵活性是巨大优势，但缺点是可解释性差、训练成本高，且存在过拟合风险。

大型语言模型： 大型语言模型是该领域最具革命性的突破，它将自然语言处理推向主流。资管公司现在可以大规模地从财报电话会、监管文件和研究报告中提取洞察，将定性文本转化为结构化数据。

例如，Lopez-Lira等人的研究表明，大型语言模型从财报电话会中提取的主题评分对预测股票回报具有显著作用。但报告强调，大型语言模型无法取代领域专长，其核心作用是增强和扩展基本面分析。

人机优势对比分析

瑞银认为，将AI视为取代人类的对手是错误的。理解人与机器各自的优势边界，是任何投资机构思考未来演进的关键。

机器的优势——速度、广度和一致性：

速度与广度： 机器的数据处理速度和规模远超任何人类团队。一名分析师或许能深入覆盖20只股票，但一个基于大型语言模型的系统可以每日扫描10,000份财报电话会议纪要，并标记出异常情况或市场情绪的共同转变。

一致性：只要模型稳健、数据干净，机器就能不知疲倦、不带偏见地重复执行任务，其结果具有高度可重复性（大型语言模型的“幻觉”现象除外，但这恰恰凸显了人类监督的必要性）。

人类的优势——背景、复杂性和因果推断：

解读偶发事件：金融市场充满了模型难以学习的非重复性事件，如监管突变、管理层更迭或黑天鹅事件。人类能够结合环境、行业知识和复杂模型来理解这些事件的深远影响。

理解复杂性：构建投资逻辑、理解多重驱动因素的相互作用，以及评估企业文化、管理质量等无形资产的影响，这些是当前AI模型在达到一定复杂度后便会失效的领域。

应对未知：AI从历史数据中学习，当市场进入全新范式（regime shift）时，历史经验就会失灵。人类虽不完美，但能通过类比推理和定性判断更快地适应新环境。

此外，在社会责任与治理层面，人类的伦理和价值观判断是机器无法替代的。一个有人类参与的监督和决策流程对于管理声誉、监管和运营风险至关重要。

"奇点"时代的投资融合

量化投资与基本面投资之间的传统壁垒正在被AI打破，两者正走向一个被称为“奇点”（The Singularity）的融合点。

量化投资者正在深入基本面。

借助大语言模型等工具，量化模型现在不仅能处理传统的财务和价格数据，还能大规模处理非结构化数据，如财报会议文本、新闻稿和另类数据（如卫星图像、网络流量），从而捕捉到以往只有基本面分析师才能识别的信号。

基本面管理者正在拥抱规模化。

AI工具帮助基本面团队极大地扩展了研究范围。机器学习模型可以筛选投资标的，AI助手可以阅读报告、标记异常数据，估值模型可以自动生成贴现现金流（DCF）的基准案例。

这让分析师从繁琐的数据处理工作中解放出来，专注于渠道调研、管理层访谈等具有最高附加值的活动。

与AI共舞的投资新范式

为了验证“奇点”理论，瑞银量化研究团队进行了一项创新实验。

他们首先识别出客户最看重研究员的几项职能（公司建模、行业专长、主题识别等），并将其数据化。

研究团队对比了研究员的观点和瑞银内部GBM策略模型的预测。结果显示：

人类分析师在其最看好的3只股票和最不看好的3只股票上，表现优于机器。这表明在分析师投入最多精力、信念最强的领域，其洞察力具有真正的alpha。

对于关注度居中的其余股票，GBM模型的预测表现更佳。这可能是因为这些股票表现平稳，缺乏催化剂，分析师的关注度较低。

基于此发现，团队构建了一个“奇点”组合：对于分析师覆盖的股票，采纳他们最看好和最不看好的前三名选择；对于中间的股票，则采用GBM模型的预测进行排序和选择。

回测结果（自2010年起）表明，这个结合了人类洞察与机器预测的混合模型，在其覆盖的全部3860多只股票中，展现了强大的回报生成能力。

综上报告强调，人机协作将成为未来投资的关键竞争优势。成功的投资管理公司将构建结合人类情境理解与机器能力的团队。在AI时代，公司将通过专有数据、独家知识库和定制模型实现差异化竞争。