七星策略基于AI的金融资讯业流程再造是个弯道超车的机会

笔者在金融资讯、全球宏观交易、大语言模型等领域都有所涉猎，略有体会。今天针对AI时代的金融资讯和投资，简单谈一下看法。

大语言模型如何改变金融资讯行业

金融资讯简单而言，包括数据、实时资讯、深度研究和分析工具。彭博独占鳌头的地方在于实时新闻（它有自己的新闻采编）和分析工具。

金融资讯行业面临的挑战是：数据的准确性、广度、及时性和可获得性。

金融数据的准确性至关重要，虽然数据电子化已经极大降低了数据收集过程中的出错概率，但是依然面临繁重的数据核查工作。国内万得数据库领先一步主要就是在数据准确性方面超过了对手。数据准确性本质取决于生产车间的管理能力。以大模型为基座的AI智能体可以极大提高数据采集的效率和准确性，将以人工为主的生产方式改变为以AI为主，可以将总的数据生产成本降低90%以上。

金融资讯的广度也是一个主要竞争力，同时也是国内金融资讯企业的短板，很大原因来自数据整理的语言障碍。不同国家财务报表的整理，是一个非常专业和繁琐的工作。传统基于人力的方式，很难将金融终端覆盖到全球数十个国家和市场。但是AI的出现已经极大改变了现状，中国的企业现在同样可以非常轻松地合法获取诸如南非、尼日利亚、巴西或者挪威当地新闻来源的权威数据，语言障碍不再是问题。

金融资讯的及时性方面，AI能助力的地方似乎不多。但至少从编程方面，可以极大地提高从各个交易所、新闻来源接入统一金融终端的效率。

可获得性方面，AI时代是一个巨变。原来的资讯都是给人类看的，现在越来越多的新闻通过API调用的方式，给机器看，机器帮人类读完新闻后形成判断、决策和行动。这是一个巨大的改变，甚至是颠覆性的变化。如何将资讯变得更加容易被大模型而非人类阅读和处理，这里面有巨大的商机。

简单总结，基于AI的金融资讯业流程再造，是一个新的弯道超车机会，中国在全球性的金融资讯商业方面，有机会克服之前语言、人才的短板，利用AI再造生产流程超越彭博变得现实起来。

进一步说，在人类获取金融资讯的方式方面，AI有助于将数据—资讯—信息—知识—决策这个链条向更高价值转移。作为彭博终端10年的订户，笔者认为彭博真正的优势在于将原始的数据和资讯可以更好地提取信息，形成知识和判断。比如我们经常用的ECST（经济数据分析）功能，就可以把全球主要经济体的宏观数据放在一个功能条下面完成数据提取、转换、作图和对比，从而实现了从原始数据帮助用户获取信息和知识。

但是在AI时代，我们看到的是彭博并没有体现出进取心。BloombergGPT目前看起来是一个失败的大模型，既没有完美地融合进入终端，也没有提供第三方API调用。而AI最擅长的恰恰是把简单的数据和资讯整合成信息和知识，这一块也是AI转换金融资讯业的契机。

大语言模型如何改变投资交易行业

这是笔者开始研究大模型的初心，但是直到最近，我们才认为AI技术开始具备真正深入投资行业的可能性。下面是几个初步的设想，供大家参考。

理解语言是本轮AI革命的核心，也是改变投资行业的核心。传统的投资策略，绝大部分都是基于数据，虽然很多投资者也建立了舆情监控，但是这种监控是属于自然语言处理（NLP）的上一代模型，基于生成式模型在性能上完全不同于之前的语言模型，理解文本、图片、K线图、视频、语音，意味着我们可以真正建立一个全新的以AI为基础的投资模型，融合之前无法进入模型的各种参数和变量。比如，对中国人民银行货币政策报告的真正深度解读，就不再是简单的统计词频、推测语气，而是可以将货币政策报告与最近一段时间各种主管部门的文件进行综合分析，经过嵌入模型和多头注意力机制，理清不同部门讲话的内部逻辑和线索，尤其是话外之音，从而帮助构建对货币政策的监测指数，这是构成金融条件指数的重要组成部分。

除了理解文本和图片语言外，AI还可以帮助实现非常复杂的模式识别和算法优化。金融投资行业发展出了非常复杂的读图技术，几乎每个交易大师都是图形分析大师，但是要真正读懂K线图，需要很多年的努力和实践。而随着AI辅助编程，多模态模型和智能体技术，现在可用更低成本将资深人类交易员的图形分析经验与AI融合，可以极大地提高效率。这里举一个例子，也是笔者最近用AI辅助实现了的算法。

“华尔街空头之王”利弗摩尔在晚年总结了一生的交易经验，写成了一本书，并且将自己的交易标志过程作为附录放在书的后面，这一直是一代代交易员学习的典范。但是要真正理解他的想法和用计算机来实现，却是很不容易的事情。即便有交易专家经过多年努力，可以深切理解他的想法，但是如果让交易专家将这些微妙的观察变为计算机语言，这几乎是不可能的事情。笔者也看到Github上面有两个代码仓库，试图将利弗摩尔的分析方法代码化，然而经过分析，你会发现他们只是非常肤浅地尝试了代码化，都是毛坯产品。这实际上是横亘在之前主观基金经理面前的一道鸿沟：如何让自己的经验和技巧被计算机学习？

所以，之前的主观投资与量化投资之间其实有一个灰色地带，那就是优秀交易员的经验无法被量化系统掌握，而AI正好可以填补这个空间，这来自：AI可以理解人类语言从而帮助将更多变量纳入模型，同时，AI可以帮助人类交易员将非常细微的观察作为知识库或者MCP Server加入大模型，从而构成一个完整的投资交易系统。最后这个例子是笔者用AI工具分析了TF国债期货后，AI给出的市场阶段判断。这就是人类交易员将自己的经验和方法与AI工具融合后可以生成的效果，极大地提高了交易的效率和准确性。

（作者系比特熊AI创始人、CCER中国证券市场数据库创始人）

举报文章作者