光大证券AI赋能资产配置的实践探索分享会纪要

该纪要主要分享了光大证券如何利用AI技术赋能资产配置的实践方法。核心内容包括搭建资产配置知识库、使用Obsidian工具分类整理资料、建立Markdown标准化文档、设计文档处理流程、制定策略检验标准等。此外，还介绍了AI辅助写作工坊的五个核心机制、写作工作流、模型选择以及AI在资产配置中的边界和注意事项。这些实践旨在通过AI提高资产配置的效率和准确性，但强调AI不能替代深度投研积累。

AI赋能资产配置的赛道发展趋势是利用AI技术优化资产配置流程，提高决策效率。通过搭建知识库、辅助写作、快速取数、批量参数验证等工作，AI可以帮助投研团队更高效地处理数据和生成报告。未来，AI将在资产配置领域发挥更大作用，但需要明确AI的边界，确保其辅助而非替代人类的专业判断。同时，AI应用需遵循明确规则、增加摩擦成本、失败策略否定留痕的原则，以避免过度依赖和错误决策。

报告重点分析了AI在资产配置中的具体实践方向，包括资产配置知识库的搭建与使用、AI辅助写作工坊的应用、AI赋能资产配置的核心方法论与注意事项。在知识库搭建方面，采用Obsidian工具分类整理基金分析、指数分析等资料，并优化文档命名和来源链接。在AI辅助写作方面，通过本地文献库、上下文感知检索等机制解决传统AI写作问题，并设计了完整的工作流。在方法论方面，强调了AI的边界和从回测到实盘的坑点规避，如滑点、手续费、过度拟合等问题。

当前市场环境下，资产配置面临的主要挑战包括数据处理的复杂性、AI应用的风险控制以及投研团队对AI的适应性问题。AI虽然可以提高效率，但过度依赖可能导致过度拟合、未来函数等问题。此外，市场环境变化、交易成本、摩擦成本等因素也会影响资产配置的效果。因此，投研团队需要明确AI的边界，严格基于回测数据，通过多市场环境测试、模拟盘、小仓位实盘验证等方式规避风险，确保资产配置的稳健性。

研报中提示的风险主要包括AI应用的风险和资产配置的固有风险。AI应用的风险包括过度依赖AI可能导致的问题，如幻觉、空泛、来源不明等。此外，AI在资产配置中的应用需要明确规则和检验标准，增加摩擦成本，并记录失败策略，以避免错误决策。资产配置的固有风险包括市场环境变化、交易成本、滑点等问题，这些问题需要通过严格的风险控制措施来规避。因此，投研团队在使用AI赋能资产配置时，需要谨慎评估风险，确保决策的科学性和稳健性。