中国基金报记者 赵心怡
“随着大模型技术的发展，利用金融文本数据的潜力得到进一步拓展。例如，大型语言模型结合信息检索生成和微调等技术，可以执行更为复杂的任务。”国金证券金融工程首席分析师高智威向记者介绍道。
在DeepSeek等大模型的渗透下，券商的研究业务正在经历一场深刻变革，AI正逐步从“工具辅助”迈向“智能协同”的新阶段，不仅提升研究效率，还可能重新定义整个研究流程，技术赋能的价值链条正在重塑行业格局。
研究业务智能化进程加速
行业研究始终是券商的核心竞争力。在传统模式下，分析师需投入大量精力于数据搜集、文本解读、会议纪要等任务。目前，AI技术的应用在一定程度上提高了这些工作的效率。
申万宏源研究总经理助理、TMT总监、首席分析师刘洋告诉记者，AI目前在智能投研的应用包括数据库和门户的AI化。例如，年报、公告、行业数据、新闻在幻觉可控情况下可以用AI提示和生成，或在审核时利用AI辅助，不过现阶段审核仍以人工审核为准。
高智威表示，在投研赋能方面，研究人员可以借助大模型，完成信息提取、纪要整理和报告撰写等任务，从而减轻日常工作负担并提高工作效率；在投资决策生成方面，传统的量化分析和基本面数据已经被广泛挖掘，获取超额收益的难度逐渐增大，但目前另类数据被研究得还相对较少。
他说，随着大模型技术的发展，利用金融文本数据的潜力得到进一步拓展。例如，大型语言模型结合信息检索生成和微调等技术，可以承担研究员的角色，执行更为复杂的任务。
AI尚不能取代分析师
随着各类生成式AI工具的涌现，有关“证券分析师黄昏”的讨论变得热烈。
高智威表示，从国金证券的实际情况来看，目前AI没有导致初级分析师需求下降。
“AI技术承担了大量重复性、规律性的基础工作，这使得初级分析师得以从繁琐的基础事务中解放出来，将更多时间和精力投入到更具价值的分析与思考工作中。”高智威说，“例如，在借助AI完成行业数据梳理后，初级分析师需要进一步分析数据背后的驱动因素，挖掘潜在投资机会，并结合宏观经济环境和市场情绪，对投资策略提出自己的见解。”
沪上某券商战略总监林深（化名）称，从目前的实践来看，AI还难以取代初级分析师。而且，部分内容通过AI产出痕迹明显，因此已经有客户明确禁止公司用AI提供内容。
不过，某头部券商分析师王沛（化名）坦言，在积极拥抱AI的同时，从业者的“焦虑”也是客观存在的。因为传统模式下，分析师需要通过基础工作来积累行业认知，但AI的接入可能会压缩新人成长空间。此外，如果分析师的基础工作过度依赖模型进行标准化输出，可能导致研究报告的同质化现象加剧，进而降低整个行业的研究价值。
他指出，尽管AI技术的普及降低了进入行业的门槛，但在实际应用中，头部券商的生态系统整合能力仍然主导着竞争格局，“强者恒强”的局面有可能进一步强化。
研究独创性至关重要
在AI时代，分析师的核心价值体现在深度解读数据的能力、对行业的深刻洞察以及独立进行投资决策的判断力等方面。
高智威认为，分析师必须掌握一系列新技能以适应AI时代的发展趋势。首先是数据素养，包括理解并运用经过AI处理的数据，评估数据的品质与可信度，并从中提取有洞察力的信息。
其次是编程和算法基础。分析师虽无需成为专业程序员，但应具备基础的编程逻辑和对常用算法原理的理解，以便与技术团队进行有效沟通，并更有效地利用AI工具和模型。
他还提到，批判性思维能力也是不可或缺的。分析师应能对AI产生的结果进行理性分析和判断，避免盲目依赖，并勇于提出质疑，通过进一步研究来验证。最后，跨学科知识变得日益重要，涵盖金融科技、人工智能、宏观经济等多个领域，这有助于分析师以更广阔的视角洞察市场动态和投资机遇。
刘洋认为，从基础层面出发进行思考，并借助大模型，能够增强分析师对细节的把握能力。分析师若能与大模型进行深入交流与切磋，将能够实现从创造力到细节的全面强化，从而展现出研究的独创性。
