2024人工智能在投资管理中的应用研究报告

核心观点

• 人工智能在投资管理中的应用已超越传统“量化”群体，91%的管理者正在使用或计划使用AI进行投资策略或资产类别研究。
• 管理者对AI的整合兴趣浓厚，但对其定义存在挑战，普遍认同“核心能力”包括生成式AI、大型语言模型、自然语言处理和机器学习模型。
• AI在投资研究和alpha生成中的应用主要集中在增强现有能力，如扩展数据集和分析、创意生成等。
• AI在运营中的应用主要集中在机器学习、自然语言处理和通用人工智能，用于提升效率、自动化任务和支持基于数据的决策。
• 管理者预计AI将提高生产力，但对AI对资产管理规模和公司整体收入的商业影响存在分歧。

关键数据

• 目前使用AI的管理者中，数据质量和可用性是主要障碍，其次是集成和兼容性担忧，以及伦理和法律考量。
• 近一半的管理者认为AI监管差异是重要风险因素。
• 过去一年中，采用AI的管理者比例有所上升，但整合过程通常超过三年。
• 管理者预计到2030年，全球经济增长将增加14万亿美元，同期全球GDP增长9%。
• 管理者预计AI将增加产品范围，60%预期AI将提高市场效率，44%预期其将增加市场集中度。
• 管理者预计AI对员工人数的影响有限，但计划雇佣更多具备新技能的员工。

研究结论

• AI在投资管理中的应用正变得越来越普遍，但大多数流程仍依赖人工干预，AI目前作为辅助工具而非替代品。
• AI的整合将对商业、人员和战略产生实质性影响，但成功实施AI需要关注数据隐私和安全、战略性组织方法、成本意识以及人力资源战略。