资管科技的明珠：智能投研3.0体系构建导论——价值、定义与方法论

作者：金箫，北京熵简科技有限公司联合创始人，深耕资管科技，专注于数据中台在金融领域的落地与智能投研整体解决方案的业务架构设计；曾任职于中信证券股份有限公司 ，清华大学五道口金融学院金融硕士 、中央财经大学金融学士。

导读：资管科技被称为金融科技的下半场，涵盖投研、交易、风控、营销等多场景；其中智能投研因其业务地位的核心性，可谓是“资管科技的明珠”。我们认为，“智能投研”的核心目标，是通过“数据中台”和“知识图谱”，将“HI”与“AI”有机结合，系统性的对抗个体相较于市场的信息不对称与认知不对称，从而帮助资管机构构筑起可持续、可解释、可追溯的投资研究平台能力，提升核心竞争力。基于过去3年在智能投研领域的实践案例与探索思考，笔者提出：智能投研已经进入“3.0时代”——在本文中，笔者将从建设价值、概念剖析和建设方法论三个维度，解读我们对智能投研3.0体系的理解与实践。

一、Why：重新审视投研系统建设的价值

资本市场是一个典型的非完美博弈市场。投资的本质是基于时间维度做价格预测，赚预期差的钱。预期差来自于信息不对称与认知不对称。信息不对称会导致信息盲点，导致“他知我不知”；而认知不对称所带来的认知盲点，会令人无法充分利用已获得的显性信息，导致“只知其一，不知其二”。

诚然，投资中有很多艺术的成分，即不确定性，因为它本身是相当复杂的群体博弈；如何捕捉预期差，不同的方法论孕育出了不同的投资流派。而在此文中，我们仅探讨其可解释、可模拟、可追溯的部分；因为上述三个特质代表着这部分能力的可沉淀与可复用。

基于上文定义的狭义框架，若我们把传统的“研究-投资”过程抽象，那么：市场上的所有信息都是模型的输入端（input），而决策过程是中间的复杂函数（由人脑来执行，基于一定的研究框架或者投资框架），输出端为一个投资信号（基于研究模型）或者投资决策（基于投资模型）。

然而，现实中，人脑是有限注意的（limited attention），再资深的研究员和基金经理都会有不同程度的信息盲点和认知盲点；而研究团队的价值正是帮助投资团队持续对抗组织相较于市场的信息不对称与认知不对称。

基于以上论述，想要在资本市场上捕捉预期差，获取超额收益，研究团队需要履行好两大核心职能：

一者，克服信息不对称，扩充组织的信息集，并提升其时效性，以获取信息优势；

二者，克服认知不对称，掌握更广域的知识，建立更完备的框架体系，以甄别更深层、更长期的价值；

因此，建设投研系统，最根本的就是帮助研究团队在这两项职能上强化效力，固化能力，实现研究端向投资端可持续、可衡量、更高效的转化。在这里，首当其冲的，是强调“系统化”，因为“系统化”是组织“熵减”的基础；进一步的，在“投研”的基础上再加上“智能”二字，核心强调信息技术对上述目标达成的牵引与赋能；最终，我们希望通过“系统化”和“智能化”的建设，打造企业“平台级”的“研究-投资”能力。

二、What：如何定义智能投研与智能投研3.0？

第二部分，探讨我们对“智能投研”的理解。

如何定义“智能投研”？我们围绕四个关键词来释义：智能、投研、系统、平台。

何谓投研？狭义者，可以定义为”面向投资的研究”，主体为“研究”；广义者，可以将其拆解，涵盖“投资”与“研究”，我们常说的“投研一体化”指的就是希望实现研究端和投资端的高效联动。在实际的需求分析时，不能将“投资”与“研究”混为一套。

何谓智能？它可以是一个概念，所谓“智能化”是指“事物在网络、大数据、物联网和人工智能等技术的支持下，所具有的能满足人的各种需求的属性”；是传统“信息化”、“数字化”等建设的终极目标。从方法论上，我们提出“智能=数据+逻辑”，强调技术对投研业务的牵引与赋能。