壹、智能投研是什麽？
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運用，我們的生活正在經歷壹場前所未有的變革。比如個人助理Siri，能夠幫助我們發送短信，撥打電話，記錄備忘，甚至還可以陪用戶聊天。Siri作為壹款智能數字個人助理，它通過機器學習技術來更好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運用也越來越頻繁，在提高金融機構工作效率、輔助投資決策、預防金融風險等方面卓有成效。在這之中， 輔助資金管理 成了人工智能在金融行業的最大的應用場景，當前中國財富管理的市場規模已經高達6萬億美元，我國資產管理國模已超百萬，具有廣闊的發展前景。
那麽，智能投研又是什麽呢？利用人工智能（深度學習、自然語言處理等）來分析金融市場數據、事件，為金融機構的專業從業人員（分析師，基金經理等）提供幫助，以提高傳統投研的準確率與效率。
這裏要註意兩個點，壹是事件、金融市場數據與提供幫助之間的聯系，舉個例子，今天2月25號，中國股市大漲，上證上漲157.05點，那麽到底是什麽原因導致的？央行降準還是離岸人民幣持續上漲影響？而智能投顧就是搜集所有可能有關聯性的金融事件、金融數據，從而提供輔助服務。二是智能投研是服務於金融機構的專業從業人員，而不是我們投資者，這也是智能投研與智能顧投的區別。
二、傳統投研存在問題
傳統投研隨著時代的發展，出現在發展歷程中必然會發生的問題。壹是數據量的增大，傳統投研往往依賴於專業人士的分析與判斷，具有較強的主觀意識在裏面；二是對於如此龐大的數據量，我們對於各類數據的利用率依然處於較低的水平。
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加工上還大有作為。從信息來源看，二級市場公開信息比較全面，但壹級市場數據以及另類數據信息仍存在壁壘，未來如果金融數據進壹步放開，將有大量的金融信息需要加工；對此，傳統專業人士對數據的處理依然以經驗為參考依據，無疑加重了分析過程中的負擔，即無法保證分析的客觀性，也有著較高的人工成本。
2 ）數據利用率較低
金融信息數據的逐年增加，使得大量數據無法人為的利用起來。即使隨著智能投研的運用，市場上同樣存在大量的新聞輿情、財經資訊報道，以及貼吧、論壇等投資者的聲音沒被利用起來。
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、券商研報、新聞報道等非結構化數據中批量化自動提取關鍵信息，以此為基礎構建關聯關系，搭建領域知識圖譜，在壹定程度上優化投資決策。
我們以壹款國內的智能投研平臺為例——熵簡科技
壹般而言，智能投研的重點在於數據的選擇。就我國現狀而言，多數智能投研公司專註挖掘純金融領域的數據，如研報、債券、股票等信息。在金融數據之外，還有壹類體量龐大的數據值得挖掘，例如社交媒體、信用、氣候變化等數據。
熵簡科技便是在傳統金融業務的基礎之上，加入了社交媒體、信用、氣候這類數據進行推理驗算。在業務分類上，熵簡開展了科技、金融、能源、消費等多條業務線，專門為對應研究的人員提供數據服務。
熵簡科技有兩大核心，分別是另類數據和知識圖譜。
1 ）另類數據
熵簡科技對金融類數據之外的相關數據進行采集，例如它會采集Github上開源項目的pull/push數據，並進行持續監控，從而能夠前瞻性地預判科技型公司的產品開發進度和上線日期，這樣的數據對於區塊鏈、人工智能行業的投資者來說是壹個影響決策的指標。
在數據源方面，熵簡科技利用爬蟲技術獲取技術，在進行存取分析，搭建了穩定的數據采集體系，可實時監控1200+個數據源。以下以電商、招聘、汽車行業的數據集為例：
i 電商數據集
平臺采集中國主流電商平臺的交易數據。以天貓為例，熵簡科技日頻持續跟蹤天貓商城超過25萬品牌、1.2億商品的銷售量價數據，幫助用戶高頻持續追蹤對應投資品牌線上銷售表現及行業趨勢。
ii 招聘數據集
平臺采集覆蓋中國主流招聘網站的招聘數據，幫助投資機構判斷目標行業、企業的發展階段與戰略，乃至分析宏觀大勢。
iii 汽車數據集
平臺采集中國主流汽車門戶的報價數據，通過技術實現了對汽車終端價格大樣本、高頻率、低成本、可持續的覆蓋跟蹤，解決了傳統終端渠道調研的痛點與難點。
2 ）知識圖譜
如果說另類數據是智能投研的原料，那麽知識圖譜就是智能投研的大腦。所謂“知識圖譜”是將實體、屬性、關系等非結構化數據固聯起來，進而為投資決策提供邏輯支持。體現在投資行業，就是研究員可以將相關的行業、產品和公司等多方因素聯系在壹起，當觀察到某個因素發生變化時，即可以根據關系鏈推理出觀點和預測，為投資決策提供支撐。
完善的知識圖譜是AI在投資研究中應用的必要條件，金融行業最不缺的就是海量的高質量研究資料，通過對研報、公告等文本信息的深入挖掘，形成能夠自我生長、自我學習的知識圖譜體系，這是智能投研的重中之重。
四、智能投研未來展望
在國內，智能投研依然是壹個新興產業，近幾年湧入了大量玩家，花費了資金和時間成本，但就國內的情況而言，鮮有真正落地的產品。智能投研在發展道路上存在以下幾個趨勢。
1 ）領域專家與科技專家相互融合
在金融人才和科技人才的統籌協調中，雙方的業務對接過程存在壹定的認知偏差，需要越來越多的復合型人才的加入，提高雙方業務對接過程中的溝通效率，從而加強產品的研發進度，以及落地後的實際效果。
2 ）技術研發賦能投研產品
金融市場是壹個關系錯綜復雜的信息市場，而自然語言處理等人工智能技術還處於初級階段，技術在解構各因子之間的相關性上依然有很大的進步空間，智能投研會不斷通過技術研發來提高投研參考的準確率和有效性。