人工智能在金融服务投研中的应用

智能投研的产业链分析：
     （1）智能投研是人工智能在投资研究及其他资本 市场相关领域的应用，其核心是提升金融数据的分析能力，提高人工的工 作效率。
     （2）智能投研的产业链涉及数据的获取、处理及应用。数据源包 含传统金融数据、爬虫数据及另类数据等。中游主要是数据的采集和标准 化。下游是数据的需求方和应用场景，包括投资机构、监管部门及非金融 机构等。

     （3）智能投研行业的参与者包括传统的金融数据服务商、创业公 司、互联网巨头及投资机构内部研发。

三种商业模式：
     （1）金融文本处理工具。针对特定场景的金融数据处理的 工具，所处理的文本以标准化的金融文本为主，主要的功能是审核检查。 客户以证监会、交易所等监管职能部门，其次是券商投行部门、银行信贷 审核部门等，交付方式以项目制为主。

     （2）一级市场数据库。提供全方位 了解一级市场公司的数据库和搜索工具。产品的核心是标签体系。目标客 户包括一级市场投资机构、券商投行部门及直投部门、银行企业客户部门 等。一般采用数据终端或者数据接口的方式交付。
     （3）二级市场数据库。 提供比传统金融数据服务商颗粒度更高的数据产品，重点在非结构化数据 的处理。成熟资本市场客户主要是二级市场投资者，尤其是量化投资。国 内的客户还包括券商和综合金融集团。

底层技术：在智能投研中主要应用的人工智能技术包括图像识别、自然语 言处理、情感分析、知识图谱等。
     （1）优势：人工智能拓展了数据来源， 大幅提升了数据运算的能力。机器能分析多元、非线性关系，寻找相关性 而非局限于因果关系。
     （2）不足：就现阶段来看，人工智能在有明确边界、 规则和目标的场景中，效果更明显。

     （3）约束条件：数据质量影响智能投 研的效果，随着底层数据质量不断提升，智能投研的效果会越来越好。

市场空间及行业趋势：
     （1）要从数据服务广义的角度看智能投研的市场空 间。在考虑资产管理规模和资产管理机构数量之外，收入的增量空间还包 括对数据量、数据维度、数据综合服务的需求提升，以及投资机构之外其 他机构对金融数据的需求。从长期来看，智能投研的潜在市场空间远大于 现有金融数据行业规模。
     （2）智能投研的发展趋势。资产管理机构在数据 及技术方面的投入增速大于资产管理规模的增速。传统的金融数据公司通 过并购整合保持持续的竞争优势。大量创业公司在努力拓展人工智能的边 界。成功的智能投研公司在数据服务的广度或深度上超越对手。