国信证券分析师王开介绍了其最新书籍《用AI战胜市场》，探讨了AI在投资领域的应用，特别是在股票、债券、商品等市场的技术分析与财务识别方面。核心观点包括：
-
AI优化工作流程与投资策略：AI通过优化工作流程和投资策略提升业绩，利用不同AI大模型的交叉验证选择最优投资策略，并强调避免“AI幻想”。
-
AI应用场景：AI在政策文本语义分析、行业轮动策略优化和风险评价上的应用，展示其辅助投资者做出精准决策的能力。
-
AI与人类分析师的互补性：AI擅长处理大量数据，人类则负责深入分析和判断，共同推动投资领域的发展。
-
AI在投研领域的应用案例：
- 技术分析：利用大模型进行历史数据回溯和复盘，分析不同频次的K线图（周线、日线、月线等），结合股票、商品、债券等各类投资标的，提供全面的市场趋势判断。
- 资产配置：利用Deep Sec进行数据处理、模型训练和预测宏观指标、股价走势，提升资产收益率并优化工作流程。
- 风险评价：Deep Sec在调整风险贡献度、优化风险评价回溯周期、优化国内和海外ETF组合的风险评价配置方面的应用，提升组合收益率并规避溢价和汇率风险。
- 政策分析：DeepSIC在资产配置、行业轮动预测及政策文本定性定量分析中的应用，通过宏观资金、情绪、技术等维度的数据处理，实现历史最优因子权重的动态输出与归因分析。
-
AI的局限与未来趋势：
- AI在理解财务数据和从0到1决策上的局限，需要人类分析师和基金经理的主导。
- 未来AI在中长期投资和非标资产处理上的机遇。
- AI在金融市场的应用优势在中低频数据处理和非标准化信息分析上，而非高频交易。
- 预测未来人工智能行业支出增长，尤其在高科技、金融服务业领域领先，传统产业将通过数字化转型提升效率。
- 投资者应发挥主观认知，与AI协同，而非竞争速度或技术。
-
AI对金融工作的影响：
- 利用AI工具提升投研效率，减少重复劳动，专注于创造价值。
- AI在数据处理方面的能力强大，但在产业链整合及宏观政策理解方面仍有局限。
-
关键数据与研究结论：
- AI正在逐步取代1-3年的初级投研人员角色，甚至在某些情况下可以取代3-5年的中生代投研人员职责。
- AI赋能的配置方法在被动配置方面表现优于主动配置和单一资产配置，特别是在A股市场的表现更为突出。
- AI通过对传统被动策略的优化，将其转变为smart贝塔策略，主要改进集中在正负1%的细微变化上。
-
AI的应用边界与建议：
- 降低AI决策中的偏见，处理财务数据理解难题，区分AI原理上能解决的问题和当前无法解决的问题。
- AI在处理高阶问题和非标类资产投资时面临幻相率问题和对复杂主题新闻整合与挖掘的挑战。
- 投资者应发挥人的主观能动性和深度思考能力，而非与AI直接竞争速度和技术。
