光大资产配置王开从广度 速度到深度Al 多资产知识库搭建 智驭未来-2026AI 产业线上路演

光大资产配置研究员王开在《从广度、速度到深度 AI+多资产知识库搭建》的汇报中，探讨了AI如何赋能投研工作，并提出了构建AI+多资产知识库的方案。

AI赋能投研的历程与挑战

• 过去两年，团队主要探索AI在广度和速度上的应用，即高效处理海量信息，浓缩时间差和信息差。
• 近期，团队开始关注AI如何赋能研究人和投资经理的认知积累，体现深度贡献。
• AI在数据处理、框架纪律、逻辑可证伪性等方面具有优势，但在独立思考、一线调研、非共识判断等方面仍需人类参与。

AI蒸馏与知识库搭建

• AI蒸馏旨在复刻投资大师的思维脉络和方法论，但存在边界限制。
• 团队搭建了包含历史研究体系框架、公开研报电话会议信息、高频数据等多源信息的知识库体系，弥补AI在因子挖掘和主观定性投资研究方面的短板。
• 知识库体系被命名为“金融投研图书馆”，支持检索、溯源、实时结合场景应用于投资研究判断决策。

AI应用技巧与数据基石

• 提出token使用技巧，建议结合国内外大模型，实现算力结余。
• 强调数据的重要性，认为数据是AI投研的基石，需确保数据质量和信息溯源。

AI投研流程规范化

• AI可参与盘前扫描、行业专题、公司研究等环节，但在交易环节参与度较低。
• AI参与程度高的工作需要人工核验和总结，而AI参与程度低的工作则需人类担责。
• 提出评估AI参与度的标准，即人类主要监督AI工作，并对AI工作进行持续改良和迭代。

AI在多资产配置中的应用

• AI可提供证据和工程支持，但无法替代人类进行主动思考和判断。
• 团队构建了事件驱动型和摘要型两种知识库体系，分别从时间线和影响因素两个维度对市场进行分析。
• 实证结果表明，知识库体系在资产配置中具有显著优势，可有效提升超额收益。

知识库赋能日常投研

• 打造人-AI-知识库三者协同的投研体系，实现越用越聪明的效果。
• 通过贴标、知识库储备、数据投喂等方式，构建更符合人类认知的知识库体系。
• 对知识库中的知识单元进行知行度打分，结合历史贡献程度和当前权重，指导大类资产配置和风格判断。

结论

AI赋能投研是一个持续演进的过程，需要不断探索和完善。AI蒸馏和知识库搭建是AI赋能投研的重要手段，可有效提升投研效率和质量。但AI无法替代人类进行主动思考，应将其作为第二大脑或外骨骼，辅助人类进行更高效的投研。