AI赋能资产配置（三十）：投研效率革命已至，但AI边界在哪？

策略研究·策略快评 证券分析师：王开021-60933132wangkai8@guosen.com.cn 执证编码：S0980521030001 证券分析师：陈凯畅021-60375429chenkaichang@guosen.com.cn 执证编码：S0980523090002 事项： AI已成为投研效率的革命性工具。通过自然语言处理和机器学习算法，AI能够快速解析海量金融文本、量化市场信号，并在资产配置、政策分析等场景中实现自动化决策，大幅缩短研究周期；历史依赖与数据局限是AI生成超额收益的核心障碍。AI模型基于历史数据训练，擅长总结过去，但难以预判缺乏历史先例的未来结构性拐点，这限制了其独立创造投资优势的能力；“人机结合”是应对模型风险与监管要求的必然模式。完全依赖AI“黑盒”决策面临模型失效和日益严格的金融监管的双重挑战，人类智慧在最终决策中不可或缺。 解读： AI赋能投研：效率革命与“副驾驶”定位 当前，以Citadel为代表的华尔街巨头已将AI助手定位为投资经理的“超级副驾驶”，核心在于实现极速信息处理与自动化分析支持。AI正在实现从“算力平权”到“投研平权”的跨越，其核心能力在于对海量、多维数据的有效整合与处理。 AI通过深度处理非结构化数据，极大提升了宏观与政策分析的效率。以央行货币政策表述分析为例，AI可以形成一种“全景感知”能力，即理解政策的上下文关系和语气强度。借助DeepSeek大模型，可对历次政策文本进行自动化、批量化处理，依据预设的关键词库与判别逻辑，对宏观政策"刺激强度”进行归类，从而进一步生成连续、可比的政策力度指数，改变了依赖人工逐条阅读、主观解读的传统模式。 在复杂的资产配置框架中，AI能够优化传统模型的权重分配与策略回测。AI可快速解析海量结构化与非结构化数据（如财报、高频交易信号、政策文本等），挖掘市场波动规律及资产间隐含关联性，辅助构建量化模型并优化风险平价权重；其策略回测能力可模拟多场景下的组合表现，动态调整跨资产配比以控制回撤。 局限一：历史依赖与前瞻预判的鸿沟 AI的“回顾性”学习模式使其难以洞察缺乏历史先例的未来结构性拐点。Citadel创始人KenGriffin在多个场合强调了一个核心观点：生成式AI无法帮助对冲基金产生超越市场的回报。他的逻辑直击AI的痛点：AI通过学习过去已知信息来工作，而投资优势在于预测未知未来。比如在2004年询问AI“移动互联网将如何影响电子商务”，它只能基于当时的网页浏览数据给出平庸答案，无法预判智能终端带来的革命。AI在金融实战中也面临着反应速度、预测精确度与模型泛化能力之间的固有挑战——即所谓的“不可能三角”。 在处理具有长期趋势性或数据“非收敛”特征的资产时，AI的预测能力面临根本挑战。以黄金、部分国债为例，其价格受全球流动性、地缘风险等复杂因子驱动，走势并非简单的历史均值回归。若仅依赖历史数据建模，AI可能错误地将动量驱动行情识别为均值回归拐点，从而做出误判。这要求必须为AI引入前瞻性数据（如市场情绪、分析师预测）或动量因子，以弥补其“只看后视镜”的缺陷。 局限二：模型幻觉、过拟合与数据异化风险 AI在金融应用中面临幻觉风险，可能生成缺乏事实依据的逻辑关联。AI幻觉是大型语言模型基于统计概率生成流畅文本时，因缺乏对现实世界的真实认知与因果推理能力，而产生的与事实不符或无法验证的内容。其本质是模型“追求文本流畅性而非事实准确性”这一核心训练目标的技术副产品。在投研领域，这种幻觉具体表现为三种高风险形式：一是凭空捏造具体细节的“事实捏造”；二是基于真实事实进行过度简化与逻辑跳跃的“逻辑飞跃”；三是模仿并放大文本情感倾向，从而影响用户理性判断的“情感误导”。 过度依赖有限历史模式的AI，可能患上“书呆子”式的过拟合，在真实市场中表现僵化。一个能完美背诵所有例题却不会解新题的学生，恰如训练准确率99.9%却在样本外一败涂地的AI模型。在金融领域，这意味着模型可能“死记硬背”住特定历史阶段（如某一轮牛市）的噪声与偶然规律，将局部特征误认为普适真理。更深层且隐蔽的风险，在于模型赖以训练的“数据地基”可能发生异化，导致建立在之上的所有逻辑坍塌。模型不仅可能学错，更可能因为世界变了而学的东西失效。数据异化风险具体包括宏观统计口径调整、行业分类重构（如新经济行业划分模糊化）等。这如同用于训练AI的教科书，其核心定义和章节结构被官方修订了，但AI仍在用旧版知识解答新版问题，必然导致系统性偏差。 局限三：“黑盒”决策、同质化与监管合规冲突 AI的“黑箱”特性与金融监管要求的透明度、可解释性直接冲突。监管机构要求投资决策逻辑可追溯、可审查。然而，一个复杂的深度学习模型如何动态调整资产权重，其微观决策路径往往难以清晰回溯。这种“黑箱”特征使得完全依赖AI的决策在面临合规审查时存在巨大压力，这也是Citadel等机构强调人类承担最终决策权的重要现实原因。 策略同质化与模型在极端市场下的失效，构成了系统性的潜在风险。首先，是策略趋同引发的共振风险。当市场参与者广泛采用相似的AI模型架构、因子库与训练数据时，其交易信号与行为会高度趋同。这在常态下可能挤压超额收益，而在市场压力时期，则会因大量机构同时执行方向类似的操作（如集体抛售或调仓），急剧放大市场波动，甚至瞬间抽干局部流动性，形成程序化踩踏。其次，是模型在面对未知时的集体失效风险。2018年的“波动率末日”事件中于，当时盛行的“风险平价”、“波动率控制”等量化策略，均基于长期低波动的历史数据构建模型，并假设市场波动率将维持稳定。当通胀担忧突然触发市场下跌，导致衡量市场恐慌情绪的VIX指数急速飙升时，这些同质化模型基于相同的历史规则，被同时触发大规模卖出指令，反而加剧了下跌的幅度与速度，形成恶性循环。这揭示了基于历史模式学习的模型，本质上无法预见或适应其训练数据中未曾出现过的市场状态剧变。 总结：AI“解决方案主义”陷阱与创造性洞察的缺失 阿尔文德·纳拉亚南和萨亚什·卡普尔合著的《AI万金油：商业幻想与科技狂潮》一书中指出，AI本质是模式复现者而非意义创造者，这导致了两种关键缺陷： 1.陷入“解决方案主义”陷阱：将复杂问题强行简化 AI的强项在于在规则清晰、目标函数明确的问题域内进行优化（如数据处理、模式匹配）。然而，顶级投资（如发现亚马逊、特斯拉的早期价值）本质是定义问题和发现新范式，而非在既定范式下解决问题。书中批判了将AI视为解决所有商业问题的“万金油”倾向。在投研中，这意味着AI可能被误用于处理那些尚未被有效结构化、甚至尚未被明确定义的模糊地带问题，例如如何量化管理层诚信？如何评估一种全新商业模式的长期壁垒？。有的人可能为了用AI而用AI，强行将复杂的、非结构化的洞察需求（如“寻找未来十年的伟大公司”）压缩成AI可处理的结构化数据筛选问题（如“寻找过去三年营收复合增长率>30% 的公司”），从而导致衡量了容易衡量的，却错过了真正重要的，陷入精准的平庸。 2.无法进行范式转换级别的创造性洞察 AI的所有输出都建立在它所学习的、已有的数据模式和关联之上。它擅长在现有框架内进行外推和组合，但无法进行颠覆现有认知框架的“范式转换”。AI无法想象它从未见过的数据模式所代表的新事物。因而，它无法像凯恩斯那样提出“动物精神”来解释非理性繁荣，它无法像巴菲特那样基于“护城河”这一高度抽象且不断演化的概念来重构估值体系，它更无法在2007年，从智能手机的零星数据中，创造出移动互联网生态这一全新的投资叙事和估值模型。它只能在事后，当这个范式成为海量数据后，对其进行学习和优化。 资料来源:国信证券经济研究所绘制 那么，为何会“依赖历史”？因为AI的认知原料只有历史数据，它不具备跳脱出数据进行“思想实验”的人类心智能力。为何会有“幻觉”和“过拟合”？当被要求对未知进行判断时，一个没有真正理解和创造能力的系统，只能基于既有模式进行似是而非的编织（幻觉），或对局部噪声深信不疑（过拟合）。为何“黑箱”和“同质化”如此致命？因为当所有竞争者都依赖同质化的历史数据训练AI时，大家不仅会得出相似结论，而且由于谁都无法突破数据固有的范式（黑箱内并无真正的洞察），整个系统将无法产生超额认知，最终在内卷中共同失效，并可能放大系统性风险。 AI是强大的“认知延伸工具”，但绝非“认知替代主体”。它最危险的局限，恰恰在于人们误以为它是后者，从而放弃了人类在定义问题、建立范式、进行价值判断上的终极责任。真正的智能投研，是让AI承担其擅长的模式复现与效率提升工作，从而解放人类的有限心智，去专注于其擅长的意义创造与范式发现。 人类的角色——架构师、校验者与最终的责任主体 综上所述，AI在投资研究中是强大的增强型工具，但其在前瞻预判、技术稳健性及监管合规方面存在固有局限。因此，人类的角色已演进为： 框架架构师与范式定义者：为AI投喂经过验证的研究框架和逻辑，设定游戏规则；关键输出校验者与风险兜底者：对AI的结论进行逻辑审查、防止“幻觉”，并在模型可能失效的极端市场环境下进行干预；合规与伦理的最终责任主体：确保整个决策过程可解释、可审计，并为最终结果承担法律与道德责任。 未来的投研范式，必将是人类洞察驾驭AI算力的深度协同。AI是卓越的“副驾驶”，能极大拓展认知边界与操作效率，但穿越市场不确定性的迷雾，仍需人类船长手握舵轮，承担最终且不可替代的决策职责。 风险提示：需警惕AI模型“幻觉”、数据安全及合规适配等潜在风险，文中涉及股票、指数等仅作为梳理列举而非投资推荐依据 相关研究报告： 《AI赋能资产配置（二十九）-AI预测股价指南：以TrendIQ为例》——2025-12-03《AI赋能资产配置（二十八）-AI、分析师与交易员：殊途同归与优势互补》——2025-12-03《策略快评-2025年12月各行业金股推荐汇总》——2025-11-28《AI赋能资产配置（二十七）-AI投研利器:TradingAgents测试》——2025-11-27《AI赋能资产配置（二十六）-AI“添翼”：大模型增强投资组合回报》——2025-11-27 免责声明 分析师声明 作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。 重要声明 本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司 关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本为准。 本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。 本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。 证券投资咨询业务的说明 本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投