东吴证券AI赋能投研暨AI SKILL发布与演示会

东吴精工团队展示了其AI在投研领域的应用成果，涵盖量化研究、主动投研和智能研究三大模块。

量化研究模块：

• 开发了三个Skill：
  • 量化选股Skill：结合大模型和人工判断，实现因子开发，支持主观和定向开发，并提供因子迭代和源码查看功能。
  • K线时空镜像Skill：通过万得数据，寻找与当前K线形态相似的历史区间，预测未来走势。
  • 深度学习模型Skill：基于GRU神经网络模型，输出对未来的多空观点，并支持回溯分析，展示历史胜率和赔率。
• 关键数据：K线时空镜像Skill可寻找相似度达76%的历史K线区间；深度学习模型Skill在中证全指和中证1000上的多头胜率和赔率表现优异。

主动投研模块：

• 构建了多个Skill实现标准化投研流程自动化：
  • 投资价值报告Skill：自动调用数据接口生成投价报告，支持沪深300等指数或产品。
  • 研究框架Skill：基于资产类别选择研究框架，支持角色交叉质询，生成结论或报告。
  • 投资决策委员会Skill：模拟投决会讨论流程，包含多个角色进行交叉质询，形成结构化决策结论。
  • 投资专家画像Skill：综合公开数据信息，构建专家画像，并通过讨论会Skill组织专家讨论，形成共识和分析。
• 研究结论：AI Skill可有效提升投研效率，缓解信息过载，并促进深度思考和全面决策。

智能研究模块：

• 开发了方贷Skill用于基金研究，解决AI时代基金研究痛点：
  • 数据痛点：采用本地数据为主、外部数据为补充的模式，提高数据调用效率。
  • 结论提炼痛点：基于团队积累的数据资产、研究规则和分析框架，提供有理有据的研究助手。
• 方贷Skill支持核心研究场景：
  • 基金画像：提供基金核心结论、风险收益指标、持仓分析、风格判断等。
  • 基金池筛选：根据需求筛选相似基金或替代产品。
  • 多基金比较：分析基金持仓重叠度、行业集中度、风格同质性等。
  • 经理分析：评估基金经理投资偏好和能力。
  • 组合分析：进行组合风险评估和回测。
• 研究结论：方贷Skill可有效提升基金研究效率，并提供有理有据的研究结论。

核心观点：

• AI Skill可有效嵌入投研工作流，提升效率并促进深度思考。
• AI时代投研能力竞争关键在于高质量数据资产和研究方法的沉淀。
• 团队将持续将成熟研究流程、特色数据和分析方法Skill化沉淀。