1.什麽是智能投研？
隨著自然語言處理、機器學習、生物識別等AI技術在金融領域的深入應用，我們的生活正在發生前所未有的變化。例如，個人助理Siri可以幫助我們發送短信，打電話，做筆記，甚至與用戶聊天。作為壹個智能的數字個人助理，Siri可以通過機器學習技術更好地理解我們的自然語言問題和請求。
這樣的人工智能在金融領域的應用越來越頻繁，在提高金融機構工作效率、輔助投資決策、防範金融風險等方面取得了豐碩的成果。其中，輔助資金管理成為人工智能在金融行業最大的應用場景。目前中國財富管理的市場規模已經達到6萬億美元，中國資產管理全國模型已經超過百萬，發展前景廣闊。
那麽，什麽是智能投研呢？使用人工智能(深度學習、自然語言處理等。)分析金融市場數據和事件，為專業從業者(分析師、基金經理等)提供幫助。)來提高傳統投資研究的準確性和效率。
這裏要註意兩點。首先，事件、金融市場數據和援助之間的關系。比如今天，2月25日，中國股市大漲，上證上漲157.05點。那麽是什麽原因造成的呢？是央行RRR下調還是離岸人民幣持續上漲的影響？智能投顧就是收集所有可能相關的金融事件和數據，從而提供輔助服務。第二，智能投研是服務於金融機構的專業員工，而不是我們的投資者，這也是智能投研和智能投顧的區別。
二，傳統投資與研究存在的問題
隨著時代的發展，傳統的投資和研究在發展過程中必然會出現。第壹，隨著數據的增多，傳統的投資和研究往往依賴專業人士的分析和判斷，帶有很強的主觀意識；第二，對於如此龐大的數據量，我們對各類數據的利用率還處於較低水平。
1)主觀能動性強
在金融信息領域，人工智能在賦能金融信息處理方面還有很多工作要做。從信息來源看，二級市場公開信息相對全面，但壹級市場數據和替代數據信息仍存在壁壘。如果未來金融數據進壹步放開，將會有大量的金融信息需要處理；在這方面，傳統專業人員的數據處理仍然以經驗為參考，這無疑增加了分析過程中的負擔，即不能保證分析的客觀性，又有很高的人力成本。
2)數據利用率低
隨著金融信息數據的逐年增加，大量數據無法人工使用。即使應用了智能投研，也有大量的新聞輿論、財經資訊報道，貼吧、論壇等投資者的聲音沒有被利用。
三、智能投研具體是怎麽做的？
在智能投研領域，機器可以從公司公告、券商研究報告、新聞報道等非結構化數據中自動提取關鍵信息。，並在此基礎上構建關系關系，構建領域知識圖譜，壹定程度上優化投資決策。
我們以國內某智能投研平臺為例——熵簡科技。
壹般來說，智能投研的重點在於數據的選取。就中國的現狀而言，大部分智能投研公司側重於純金融領域的數據挖掘，如研究報告、債券、股票等信息。除了金融數據，還有海量的數據值得挖掘，比如社交媒體、信用、氣候變化等數據。
熵簡科技是在傳統金融業務的基礎上，加入社交媒體、信用、氣候等數據進行推理和校驗。在業務分類上，熵簡發展了科技、金融、能源、消費等多個業務線，為研究人員提供數據服務。
熵減技術有兩個核心，即備選數據和知識圖譜。
1)替代數據
熵簡科技收集財務數據以外的相關數據。例如，它會收集Github上開源項目的拉/推數據，並對其進行持續監控，從而可以主動預測技術型公司的產品開發進度和推出日期。這些數據是影響區塊鏈和人工智能行業投資者決策的指標。
在數據源方面，熵減技術采用爬蟲技術獲取技術，通過訪問分析構建穩定的數據獲取系統，可以實時監控1200+數據源。以電商、招聘、汽車行業的數據集為例:
壹.電子商務數據集
平臺收集了國內主流電商平臺的交易數據。以天貓為例，熵簡科技每日持續跟蹤天貓商城超過25萬個品牌、654.38+0.2億件商品的銷售價格數據，幫助用戶高頻持續跟蹤對應投資品牌的線上銷售業績和行業趨勢。
二招聘數據集
平臺收集覆蓋國內主流招聘網站的招聘數據，幫助投資機構判斷目標行業和企業的發展階段和戰略，甚至分析宏觀趨勢。
三汽車數據集
平臺收集國內主流汽車門戶網站的報價數據，通過技術實現汽車終端價格的大樣本、高頻、低成本、可持續覆蓋跟蹤，解決了傳統終端渠道調研的痛點和難點。
2)知識地圖
如果說備選數據是智能投研的原材料，那麽知識圖譜就是智能投研的大腦。所謂“知識圖譜”，就是將實體、屬性、關系等非結構化數據鏈接起來，進而為投資決策提供邏輯支持。體現在投資行業，即研究人員可以將相關行業、產品、公司聯系起來，當某壹因素發生變化時，可以根據關系鏈推斷出觀點和預測，為投資決策提供支持。
完善的知識圖譜是AI在投研中應用的必要條件。金融行業最需要的是大量高質量的研究資料。通過對研究報告、公告等文本信息的深度挖掘，形成自生長、自學習的知識圖譜體系，這是智能投研的重中之重。
四、智能投研的未來前景
在中國，智能投研還是壹個新興的行業。這幾年大量玩家湧入，耗費了金錢和時間。但就國內情況來看，真正落地的產品很少。智能投研的發展有幾個趨勢。
1)領域專家和科技專家的整合
在金融人才和科技人才的統籌協調上，雙方在業務對接過程中存在壹定的認知偏差。需要越來越多的復合型人才加入，以提高雙方業務對接過程中的溝通效率，從而加強產品研發的進度和落地後的實際效果。
2)技術研發增強了對研究產品的投資。
金融市場是壹個關系復雜的信息市場，而自然語言處理等人工智能技術還處於初級階段，在解構各種因素之間的相關性方面還有很大的提升空間。智能投研會將通過技術研發，不斷提高投研參考的準確性和有效性。