华 / 锐 / 金 / 融 / 科 / 技 / 研 / 究 / 所
一、智能投研的定义
智能投研，意即借助大数据、人工智能等新一代信息技术，提升投资研究的效率与效能，以实现传统投资研究的数字化、智能化转型。因过程中涉及通过技术手段拓展数据来源、提升数据处理效率、强化数据分析能力、丰富分析结果呈现形式等，故而除研究、投资等传统资管领域外，智能投研相关技术也多见于风控、合规、营销、监管、贷后管理等领域的应用。
二、智能投研领域监管要点剖析
智能投研从应用技术来看，属于人工智能、智能金融应用的细分领域；从实现方式来看，智能投研产业链主要通过数据的获取、处理、关联关系搭建、前端产品展示等手段来提升金融市场海量原始数据的效用和价值；从业务场景来看，智能投研相关系统及产品主要作为投资研究、投资咨询、投资顾问等业务环节的支持。因此，智能投研涉及的监管政策也主要涵盖人工智能应用监管、数据监管、业务场景及输出产品合规性监管等。
（一）对于人工智能应用的监管：从“积极鼓励”到强调“有序、规范”
从政策关注点的转变可以发现，近年来对于智能投研等人工智能技术应用，监管重心经历了从“积极鼓励”到强调“有序、规范”的转变，一方面，政策上积极扶持相关产业的发展和创新，另一方面，强调营造更务实的发展环境，减少“伪智能”，避免“泡沫化”。相关研发者、使用者、受用者、管理者应充分考虑人工智能应用对社会的潜在影响，监管方面，也致力于完善相关法律法规、伦理规范和政策体系，形成有效的安全评估和管控能力，厘清人工智能相关的责任确认及分担机制、隐私和产权保护、信息安全利用等方面问题，建立完善的追溯问责制度，明确人工智能应用法律主体（含开发者、销售者、使用者等各方）相关权利、义务和责任。
表1：人工智能技术应用监管政策
资料来源：华锐金融科技研究所整理
（二）对于数据应用的监管：采集、存储、流通多环节规定
从监管部门来看，智能投研应用的数据监管除金融监管部门外，还包括网络安全相关监管体系；从监管对象来看，根据2020年4月公布的《金融数据安全 数据安全分级指南（送审稿）》，数据监管对象除证券业务活动有关信息、海量信息汇聚得到的衍生特征数据等，还包括关键信息基础设施等信息数据的载体，监管范围较为宽泛；从数据安全分级来看，根据金融数据安全性遭受破坏后的影响对象和影响程度划分数据安全级别，汇聚融合（大量数据清洗、重组、关联分析后形成的新数据）等将导致数据发生升降级；收集环节，关键数据收集强调适当性原则，要求“合法、正当、必要”；存储环节，重要数据遵循本地化存储原则，数据上云应注意选择服务商境内节点提供云服务；流通环节，重要数据跨境流动应注意经过安全评估和审批，审慎把控流出风险，确保合法正当、风险可控。
（三）对于应用场景的监管：从业务本质出发
智能投研领域常涉及“自动化研报”、“智能问答”等产品，不少业务功能已触及证券基金投资咨询业务边界，对此，监管部门从业务本质出发，要求不得以互联网、软件、算法、模型（包括人工智能）等变相开展相关业务，此外，应注意人工智能算法模型缺陷及同质化等对于金融市场稳定运行所能造成的潜在干扰。
  • 2020年4月证监会发布的《证券基金投资咨询业务管理办法(征求意见稿)》指出，“发布证券研究报告业务应当依法经中国证监会核准，证券基金投资咨询机构运用算法、模型等信息化技术手段，向客户提供自动化的证券基金投资咨询服务的，应当向其住所地中国证监会派出机构报告有关技术方案、模型参数、投资逻辑等信息、资料。”
  • 2019年6月证券业协会发布的《证券投资咨询机构执业规范（试行）》亦指出，“通过互联网、自媒体、软件等介质向客户提供涉及具体证券投资品种或投资组合的投资分析意见、预测、选择建议、买卖时机建议等，并直接或者间接获取经济利益的经营活动，应当有合理的依据，依据包括证券投资咨询机构的研究报告、证券研究报告以及基于证券研究报告、理论模型、算法模型、分析方法形成的投资分析意见等。不得以互联网、软件、算法、模型（包括人工智能）等变相开展相关业务，谋取利益。”
  • 2018年4月央行等发布的《关于规范金融机构资产管理业务的指导意见》指出，“因算法同质化、编程设计错误、对数据利用深度不够等人工智能算法模型缺陷或者系统异常，导致羊群效应、影响金融市场稳定运行的，金融机构应当及时采取人工干预措施，强制调整或者终止人工智能业务。”
三、智能投研领域现状及竞争格局
智能投研领域现有主要参与方包括传统数据服务商、智能投研领域新兴科技公司、金融机构、互联网公司等。
（一）传统数据服务商
从数据“采集-处理-分析-呈现”的流程链条来看，wind、同花顺等传统数据服务商在金融领域标准数据方面占据绝对优势，近年来也逐步加深人工智能等前沿技术的应用，逐渐向链条其他关键环节拓展。以同花顺在投研成果可视化方面的产品为例，借助图像识别、NLP技术，AI自动捕捉上市公司业绩公告中的关键信息，提取PDF中的表格，生成可视化图表，搭配自动生成的虚拟人物形象及经深度学习后智能推荐的相关图片，快速生成一部短视频研报，并能通过智能语音与客户互动问答。此外，也有诸如智能投研管理系统类的合规工具。
（二）新兴科技公司
智能投研领域新兴科技公司所提供的产品及服务主要集中在数据采集及处理环节，一方面在另类数据、垂直细分领域数据方面积累了优势，另一方面，凭借大数据、人工智能技术等为下游金融机构提供处理分析工具等，充分利用自身资源禀赋，形成相比金融数据服务商、互联网公司的差异化发展路径，不仅服务于一、二级市场投研，在合规风控、招商营销、服务监管等领域也有所应用。
表2：智能投研领域新兴科技公司产品及服务情况
资料来源：华锐金融科技研究所整理
（三）传统金融机构
传统金融机构整体处于智能投研产业链的终端，近年来愈发重视金融科技对于投研体系的赋能，借助AI提升认知效率、拓展认知边界，通过自建及外购结合的形式，扩充高质量数据来源、丰富处理分析工具、强化财务风险预警，切实提升投研效率、辅助投资决策。
表3：基金公司智能投研领域布局
资料来源：华锐金融科技研究所整理
（四）互联网公司
互联网公司在智能投研领域的优势则主要体现在特色数据及算法算力方面，据此形成相应的数据库、风险监测及舆情监控产品、组合管理及分析工具，也凭借其另类数据方面优势与基金公司合作推出智能量化基金、大数据基金等。
表4：基金公司与互联网公司合作部分案例
资料来源：华锐金融科技研究所整理
四、智能投研发展面临的问题与挑战
（一）关键环节有赖于专家经验，智能化程度有待持续提升
投研流程主要包括：获取信息，拆解、识别和监测关键因素，建立模型，估值，形成相应的投资建议。目前的金融科技应用实现了部分环节一定程度上的数字化，在数据收集、清洗、校验环节发挥了提质增效的作用，但数据来源及信息质量的判定、要素拆解、标签体系及模型建立等关键环节仍有赖于资深研究员的经验，对于专家人工操作的工作量需求较大，远未达到强人工智能的程度。在实现的功能方面，也更多应用于基于基本面及事件信息的标的分析及筛选，对于仓位管理、择时等其他投研核心问题涉及较少。
（二）部分产品服务模式触及持牌业务边界，合规意识有待加强
如前文所述，智能投研领域一类关键的产品输出形式，即为借助图像识别、NLP等技术，AI自动捕捉关键信息并进行分析，快速生成研报并与客户就其关注的问题智能问答。这种产品输出形式在讲求时效性、追逐热点的新媒体时代具有一定优势，但从另外角度讲，该产品某种程度上涉及以智能化的技术从事投资咨询，而投资咨询作为持牌业务，类似产品的合规性有待考量，相关不具备资质的智能投研机构在开展类似To C业务时的合规意识仍有待加强。
（三）AI深度应用对于机构系统控制及信息安全能力要求提升
信息技术深度参与投资交易某种程度上增加了过程与结果的不可控性，这就需要将人工智能等技术应用于投研、交易等环节的机构具备适当的管理流程，强化对于信息系统的监控水平及控制能力，在因算法同质化、编程设计错误、对数据利用深度不够等人工智能算法模型缺陷或者系统异常，导致羊群效应、影响金融市场稳定运行的情况下，有能力及时采取人工干预措施，强制调整或者终止相关业务。此外，大量的数据汇聚和应用也使得数据泄露、滥用等风险相应提升，对于智能投研机构信息安全能力提出了更高的要求。
（四）深度学习应用带来投研逻辑“可解释性”问题，责任确认及分担机制有待完善
深度学习作为模拟深度神经网络实现机器学习的技术，应用于投研领域具有“可解释性弱”的特征，相比于因果性，更多描述了相关性，使得由此形成的投研逻辑面临难以追溯的问题，增加了对相关系统及算法审核及监督的难度。随着人工智能在资管领域应用的深入，相关追溯问责机制有待进一步厘清，智能投研系统开发者、销售者、使用者等各方主体在其中的权利、义务和责任需要进一步明确，以减少技术的不当使用对于金融市场稳定运行造成的潜在威胁。
（五）投入回报短期难以量化，限制了相关产品的商业推广
智能投研有助于将传统投研体系及认知框架以模型、平台的形式沉淀下来，但从最终实现效果来看，其对于投研效率、效能的提升作用往往要在长周期中显现，真正在其中发挥的作用也难以通过客观标准量化，叠加行业数据孤岛、前期数据清洗投入较大、金融与算法交叉领域人才稀缺的现状，一定程度上限制了相关产品的商业推广及该领域的发展。
五、智能投研发展的意见与建议
（一）完善相关配套机制设计，促进智能投研系统的持续迭代
智能投研系统是随着认知能力的拓展、投研逻辑的变化、技术应用的升级等而不断迭代的，但这种迭代始终以资管领域对其的深度应用、持续反馈为前提，这就需要金融机构在战略层面注重智能投研工具未来在资产管理方面的潜在价值，在确保充分投入推进内部投研体系数字化升级的同时，注重流程制度等配套机制的建设，为智能投研系统等技术投入设置更长周期的考核反馈期，确保相关工具充分融入到投研人员的现有工作流程中，切实发挥提质增效的作用。
（二）重视数据、产品服务模式等多方面的合规风险
数据来源的合规性与数据的质量、数据的应用效能同样重要，智能投研机构在采集相关数据时应注意采取适当的方式、通过合规途径获取数据，并确保储存、分析、流通环节的合规；在产品服务模式方面，采用人工智能技术变相提供投资咨询服务的机构应具备相应资质后展业，在算法及服务模式设计时充分考虑产品投入应用后的潜在社会影响。
（三）提升数据治理水平，强化系统安全及信息安全保障能力
AI深度应用对于系统安全及信息安全保障能力要求提升，这就需要机构强化系统监测及控制能力，对各类突发事件潜在风险进行充分预估，制定相应的应急预案；此外，提升数据治理水平，围绕数据的采集、存储、传输、加工处理、销毁建立覆盖全生命周期的管理机制，对相关数据按照重要性及敏感性进行分类分级，并根据不同类别和级别作出差异化数据管理安排，切实保障系统安全及信息安全，为打破“数据孤岛”、强化数据价值挖掘能力奠定良好基础。
（四）持续探索商业模式，在垂直领域构建核心竞争力
目前市场上相当部分中小型智能投研领域创业机构产品交付形式为项目制，根据客户需求开发相应的定制化产品，可复制性相对较弱，叠加投研与人工智能交叉领域人才普遍昂贵的现状，一定程度上限制了智能投研机构的盈利空间。未来，这些智能投研机构可着重关注产品的标准化输出形式，一方面挖掘智能投研工具在投行、监管、银行、媒体等领域的潜在用户，做大市场，另一方面，根据自身资源禀赋在垂直领域构建自身在数据、模型、算法等方面的核心竞争力，形成特有护城河，抵御头部机构的竞争。
作者：华锐金融科技研究所 温聿铮


▲强化投资者教育，助力资本市场稳健发展
▲金融领域跨境数据流动监管政策剖析

▲资管机构金融科技战略剖析
声 明
本报告由华锐金融科技研究所提供，所载内容反映的是截至报告发表日的判断，如所载内容出现变动，我们将及时补充、修订或更新内容及观点。本报告版权属于华锐金融科技研究所，如需引用本文，请明确注明引自华锐金融科技研究所。
继续阅读
阅读原文