《非銀金融行業投研范式的革新：當大模型遇到大資管-250215（40頁）.pdf》由會員分享，可在線閱讀，更多相關《非銀金融行業投研范式的革新：當大模型遇到大資管-250215（40頁）.pdf（40頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容2022025 5年年0 02 2月月1515日日投投研范式的研范式的革新革新當大模型遇到大資管當大模型遇到大資管行業研究行業研究 深度報告深度報告 非銀金融非銀金融 證券證券投資評級：優于大市（維持）投資評級：優于大市（維持）證券研究報告證券研究報告|證券分析師：孔祥證券分析師：王德坤聯系人：王京靈021-60375452021-617610350755-S0980523060004S0980524070008請務必閱讀正文之后的免責聲明及其項下所有內容核心觀點摘要核心觀點摘要 AI技術日新月異，逐步發力應用端，其中資產管理和財富管理將成為技術日新

2、月異，逐步發力應用端，其中資產管理和財富管理將成為AI賦能的賦能的“超級場景超級場景”。尤其資產管理領域天然生成海量數據，同時去中心化的投研模式有利于AI賦能相關場景。未來AI將全面賦能大資管，不僅提升了業務效率，未來有望為客戶提供了更加精準與個性化的服務體驗，包括營銷獲客與轉化、客戶運營及陪伴、產品組合與推介、投研及投資、風險管理、交易以及后臺系統支持等方面。隨著被動產品體系完善，隨著被動產品體系完善，資管工業化模式資管工業化模式持續持續推進。推進。配置決定收益，研究決定配置。對資管機構而言，研究能力決定了配置能力，配置能力決定了投資能力，而投資能力決定了投資收益。但過去我國資管機構通過發力

3、“爆款產品”，強化個人能力對投研的賦能，導致中間缺少了“工業化”洗禮，整體缺乏專業化、工業化、系統化的投研能力體系，尤其是投研核心生產工具是“Wind+計算機+office+手機”的簡單組合。隨著我國近兩年被動指數產品大量創設后，后續資管產品逐步工具化，需要系統構建組合工具產品，最終形成滿足客戶需求的個性化、集約化和智能化解決方案。AI賦能投研，賦能投研，將將形成形成“AI+HI”有機結合的有機結合的投研投研模式。模式。過去AI（Artificial intelligence）常常是做信息整合，基于規則和模型將各種來源的信息整合到一個統一平臺中，以便后續的分析和處理。但以Deep Seek、C

4、hatGPT為代表的人工智能技術爆發后，未來AI將更多地進行分析整合，隨著技術迭代，AI將能一定程度上模擬人類的思考，在信息整合的基礎上理解和推理，為決策判斷提供依據。而HI（Human intelligence）在此基礎上充分利用AI工作，提升工作和決策效率，甚至推動投研范式的革新。風險提示：資本市場景氣度下滑的風險，風險提示：資本市場景氣度下滑的風險，AIAI落地不及預期的風險，政策風險落地不及預期的風險，政策風險等。等。請務必閱讀正文之后的免責聲明及其項下所有內容開始之前：什么場景是開始之前：什么場景是AIAI賦能的賦能的“好場景好場景”2014年，IBM開設人工智能新總部IBM Wat

5、son，并開展以AI賦能醫療保健行業的探索。IBM Watson內存庫保存了海量罕見疾病的知識，疾病診斷也不會像人類醫生一樣存在認知偏差。IBM Watson的出現，使得AI似乎有可能減少診斷錯誤、優化治療，甚至緩解醫生短缺。但是，IBM的機器學習方式和醫生工作方式之間的不匹配，使IBM Watson發展陷入困境，其AI賦能醫療的探索鮮有成功案例。資料來源：IEEE Spectrum，國信證券經濟研究所整理。注：標紅部分為成功案例圖：圖：IBM Watson探索探索AI賦能醫療鮮有成功案例賦能醫療鮮有成功案例DateDateIBM PartnerIBM PartnerProjectProjec

6、tCurrent StatusCurrent Status2011 Feb.Nuance CommunicationsDiagnostic tool and clinical-decision support toolsNo tools in useSept.WellPoint(now Anthem)Clinical-decision support toolsNo tools in use2012 March2012 MarchMemorial Sloan Kettering Cancer CenterMemorial Sloan Kettering Cancer CenterClinica

7、l-decision support tool for cancerClinical-decision support tool for cancerWatson for OncologyWatson for OncologyOct.Cleveland ClinicTraining tool for medical students;clinical-decision support toolNo tools in use2013 Oct.MD Anderson Cancer CenterClinical-decision support tool for cancerNo tool in u

8、se2014 MarchNew York Genome CenterGenomic-analysis tool for brain cancerNo tool in useJuneGenieMDConsumer app for personalized medical adviceNo app availableSept.Sept.Mayo ClinicMayo ClinicClinical-trial matching toolClinical-trial matching toolWatson for Clinical Trial MatchingWatson for Clinical T

9、rial Matching2015 AprilJohnson&JohnsonConsumer app for pre-and postoperation coaching;consumer app for managing chronic conditionsNo apps availableAprilAprilMedtronicMedtronicConsumer app for personalized diabetes managementConsumer app for personalized diabetes managementSugar.IQ appSugar.IQ appMay

10、EpicClinical-decision support toolNo tool in useMayMayUniversity of North Carolina,othersUniversity of North Carolina,othersGenomic-analysis tool for cancerGenomic-analysis tool for cancerWatson for GenomicsWatson for GenomicsJulyCVS HealthCare-management tool for chronic conditionsNo tool in useSep

11、t.Teva PharmaceuticalsDrug-development tool;consumer app for managing chronic conditionsNo tool in use;no app availableSept.Boston Childrens HospitalClinical-decision support tool for rare pediatric diseasesNo tool in useDec.NutrinoConsumer app for personalized nutrition advice during pregnancyNo ap

12、p availableDec.Novo NordiskConsumer app for diabetes managementNo app available2016 Jan.Under ArmourConsumer app for personalized athletic coachingNo app availableFeb.American Heart AssociationConsumer app for workplace healthNo app availableAprilAmerican Cancer SocietyConsumer app for personalized

13、guidance during cancer treatmentNo app availableJuneAmerican Diabetes AssociationConsumer app for personalized diabetes managementNo app availableOct.Oct.Quest DiagnosticsQuest DiagnosticsGenomic-analysis tool for cancerGenomic-analysis tool for cancerWatson for Genomics from Watson for Genomics fro

14、m QuestQuest DiagnosticsDiagnosticsNov.Celgene Corp.Drug-safety analysis toolNo tool in use2017 MayMAP Health ManagementRelapse-prediction tool for substance abuseNo tool in use請務必閱讀正文之后的免責聲明及其項下所有內容數據不共享與追求權威使得數據不共享與追求權威使得AIAI切入手術醫療場景存在切入手術醫療場景存在難度難度其一，AI對人類醫生的軟件專業知識編碼較為棘手?；颊叩碾娮咏】涤涗浿?，大部分數據可以被AI消化，但

15、部分非結構信息，比如醫生記錄和出院小結等內容，一般是通過談話、速記和主管陳述等不規范文本記錄，部分表達比較微妙，甚至可能存有歧義，AI難以具備人類醫生的理解力和洞察力。其二，IBM Watson在實踐中，對疾病的診斷建議與醫療專家尚有較大差距，而患者往往更相信權威專家的診斷，AI難以獲得充分信任。資料來源：IEEE Spectrum，國信證券經濟研究所整理圖：圖：IBM Watson 的建議與的建議與醫療專家的治療計劃相匹配的頻率醫療專家的治療計劃相匹配的頻率請務必閱讀正文之后的免責聲明及其項下所有內容對比：資產管理與財富領域是對比：資產管理與財富領域是AIAI更好的賦能更好的賦能場景場景首先

16、，資管領域數據量豐富且在獲取時很少有壁壘。以資管領域核心業務-投研業務為例，公開數據、調研數據、上市公司財報數據均可使用。在訓練AI大模型時，充分的數據能夠提供足夠的訓練語料。同時，AI在處理大數據、非標準另類數據方面，擁有人類無法比擬的能力，由AI大數據提供投資線索，再由HI（Human Intelligence）基于線索和邏輯推演所形成的AI+HI雙重加持的結論更加可靠。另外，資管行業具備清晰的績效導向，成效量化體現較為客觀，而不是迷信人類權威。在實踐中，AI使用可以作為控制變量，如AI加持后績效確有改善，則AI的推廣應用便有望加大力度。伴隨AI大模型推理能力增強、成本降低，資管領域有望結

17、合AI改變經營范式。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：金融行業數據的時間維度，從前瞻圖：金融行業數據的時間維度，從前瞻類數據到實際業務數據再到類數據到實際業務數據再到報表數據報表數據圖：圖：AI在處理大數據及另類數據方面能力大幅領先在處理大數據及另類數據方面能力大幅領先人類人類前瞻類數據前瞻類數據業務類數據業務類數據反應類反應類數據數據前瞻挖掘消費者或客戶行為變化或異象，分析客戶需求的邊際變化。新聞數據：客戶的潮流、居民對話題的關心程度；論壇數據：熱點話題熱度變化、客戶關注焦點；衛星圖像：停車場車輛統計、海洋航線船只統計等。消費者行為和客戶

18、需求變化是否實際轉化為商家的收入。支付數據：分行業統計銷售額、支付筆數、線上線下支付數據；電商數據：產品銷量及單價市場對消費行為的變化和客戶需求的變化是如何反應的。輿情數據：市場的反應，輿情的熱度；資本市場數據：預期變化、不同投資者的情緒變化新聞新聞財經媒體、主流媒體行業行業行業專業數據、公開數據市場市場傳統數據庫支付支付銀行、三方支付數據輿情輿情股吧、雪球網、公眾號電商電商電商銷量、售價大數據、大數據、另類數另類數據據請務必閱讀正文之后的免責聲明及其項下所有內容大資管新趨勢大資管新趨勢0101大模型新突破0202進化終局：AI+HI的協同0303投資建議0404目錄目錄請務必閱讀正文之后的免

19、責聲明及其項下所有內容“資產荒資產荒”形成：經濟增長中樞下移，基礎資產收益率下降形成：經濟增長中樞下移，基礎資產收益率下降促改革、調結構，但經濟增長中樞再下臺階是必然趨勢。促改革、調結構，但經濟增長中樞再下臺階是必然趨勢。2014年我國積極加速推動高質量發展轉型，加快構建“雙循環”發展格局，預計未來經濟中樞仍將保持在較好水平。但全球新經濟發展格局下，我國經濟增速中樞已難以回到城投地產投資主導時代的高水平。隨著經濟增速下臺階，我國基礎資產的收益率持續下行。隨著經濟增速下臺階，我國基礎資產的收益率持續下行。近年來十年期國債收益率中樞下移，居民主要配置的金融資產（存款和理財產品）收益率也跟隨下行。預

20、計隨著經濟增長中樞的進一步下移，無風險收益率將繼續下降。資料來源：Wind，國信證券經濟研究所整理圖：我國經濟增速持續下臺階圖：我國經濟增速持續下臺階圖：近年來十年期國債收益率持續下行圖：近年來十年期國債收益率持續下行圖：近年來理財產品收益率持續下行圖：近年來理財產品收益率持續下行資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容非標轉標是投融資雙方共同轉型非標轉標是投融資雙方共同轉型目標目標投資方角度，出于監管政策和市場環境變化，銀行理財、信托資產、保險資產等傳統的非標資產配置大戶，近年來非標配置占比持續下降。其中

21、，銀行理財配置非標占比已降至約5%、信托資產配置證券市場產品比例提升至約40%、保險資管配置非標占比（這里將除銀行存款、債券、股票和基金以外的投資資產統一視為非標）降至35%以下。融資方角度，非標融資方式監管持續強化，融資規模受到壓制。但是，融資方仍需要資金來源用于生產經營，以及改善報表和盤活存量資產。因此，轉向標準化市場進行融資成為必然選擇。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：銀行理財投資資產余額與非標圖：銀行理財投資資產余額與非標占比（單位：億元）占比（單位：億元）圖：信托資產配置結構中證券市場占比明顯圖：信托資產配置結構中證券市場占比明

22、顯提升提升0%2%4%6%8%10%12%14%16%18%20%1015202530352015-122016-062016-122017-062017-122018-122019-062019-122020-122021-062021-122022-062022-122023-062023-122024-062024-12理財產品投資資產余額非標準化債權類資產占比0%10%20%30%40%50%60%70%80%90%100%2010-032011-022012-012012-122013-112014-102015-092016-082017-072018-062019-052020-

23、042021-032022-022023-012023-12基礎產業房地產證券(股票)證券(基金)證券(債券)金融機構工商業其他資料來源：Wind，國信證券經濟研究所整理圖：保險資產運用余額圖：保險資產運用余額及結構及結構變化（單位：億元）變化（單位：億元）20%25%30%35%40%45%0510152025302017-012017-072018-012018-072019-012019-072020-012020-072021-012021-072022-012022-072023-012023-07 保險資金運用余額 非標投資占比 請務必閱讀正文之后的免責聲明及其項下所有內容資產證券

24、化是非標轉標的資產證券化是非標轉標的主要形式主要形式以REITs為例，通過“公募+ABS”的結構，成功地匹配投融資雙方的需求。根據證監會的定義，我國公募REITs具有四大特點：一是80%以上基金資產投資于ABS，并且持有ABS的全部份額，即公募基金通過ABS持有底層項目公司全部股權；二是基金通過ABS和底層項目公司等SPV取得項目完全所有權或經營權利；三是基金管理人主動運營管理基礎設施項目，以獲取項目租金、收費等穩定現金流為主要目的；四是封閉式運作，收益分配比例不低于合并后基金年度可供分配金額的90%。資料來源：上交所，國信證券經濟研究所整理圖：公募圖：公募REITs采用采用“公募公募+ABS

25、”結構發行結構發行請務必閱讀正文之后的免責聲明及其項下所有內容多資產、多策略是資管行業多資產、多策略是資管行業發展趨勢發展趨勢伴隨居民尋找收益和控制風險的需求增長，多資產、多策略將主導資管行業未來發展趨勢。一是資管規模增長，銀行理財、公募基金、保險、信托等產品面對客群有重疊也有差異，不同產品能夠滿足不同投資者的偏好和需求。二是金融產品豐富，QDII、可轉債、ABS、黃金、商品、衍生品、絕對收益、REITs等產品大幅豐富了投資市場，為資管行業構建多資產投資范式打下基礎。截至2024年底，銀行理財、公募基金、保險資管、信托、私募基金、私募資管等主要資管機構合計管理規模已經超過150萬億元，規模連年

26、保持增長。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：我國資管行業規模變化（單位：圖：我國資管行業規模變化（單位：萬億元）萬億元）圖：我國投資產品體系圖：我國投資產品體系日漸豐富日漸豐富020406080100120140160180201620172018201920202021202220232024銀行理財公募基金保險信托私募基金私募資管請務必閱讀正文之后的免責聲明及其項下所有內容產業架構變遷映射到資本市場改革和資管產業架構變遷映射到資本市場改革和資管發展趨勢發展趨勢從上市公司總市值的角度觀察，可以發現，制造、科技行業總市值占比提升最為明顯，消

27、費行業市值占比保持穩定，金融地產占比下降較明顯。其中，制造+科技+醫療健康上市公司市值占比，2006年尚不足30%，2024年底已接近50%。以高端制造和科技類公司為代表的硬科技企業是我國探索經濟轉型的重要方向，在地產增長乏力、基建投入產出比逐步下降、傳統增長動能不足的背景下，發展硬科技企業有望為我國找出下一階段經濟擴張的動力。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：圖：A股上市公司分行業的自由流通市值占比股上市公司分行業的自由流通市值占比變化變化圖：制造圖：制造+科技科技+醫療健康行業上市公司自由流通市值醫療健康行業上市公司自由流通市值合計占比

28、合計占比0%10%20%30%40%50%60%70%80%90%100%20052006200720082009201020112012201320142015201620172018201920202021202220232024周期制造基礎設施與地產消費科技醫療健康金融0%10%20%30%40%50%60%20052006200720082009201020112012201320142015201620172018201920202021202220232024制造+科技+醫療健康占比請務必閱讀正文之后的免責聲明及其項下所有內容產業結構調整延伸金融產業結構調整延伸金融業綜合服務業綜合

29、服務體系體系 硬科技企業的培育過程中不僅需要簡單的貸款服務，更需要綜合金融服務。由于硬科技企業多誕生于新興領域，最開始往往是天使基金頭字段項目，其后VC、PE、銀行貸款、上市融資等方式相繼加入，共同促進新興企業的成長，并分享成果。發展期發展期萌芽期萌芽期成熟期成熟期穩定穩定期期天使投資VCPE銀行貸款IPO再融資二級投資人圖：企業處于不同發展階段時圖：企業處于不同發展階段時的金融需求的金融需求也不同也不同資料來源：金融時報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容資管轉型：固收資管轉型：固收+紅利打底倉，高成長權益紅利打底倉，高成長權益+另類資產另類資產做增厚做增厚固

30、定收益：基礎固定收益：基礎明星資產明星資產多策略：增厚多策略：增厚挖掘不同時期具有顯著優異的風險收益的各類挖掘不同時期具有顯著優異的風險收益的各類“搶手搶手”資產：資產：2014年：股票質押回購 2015年：杠桿優先級 2019-20年：轉債、打新收益增厚的各類策略：收益增厚的各類策略：權益多頭策略 期權策略 權益中性策略 FOF/MOM 國債期貨策略 商品CTA策略基礎的固定收益資產：基礎的固定收益資產：各類標準化債券 固定收益資管產品 各類非標準化資產 券商收益憑證請務必閱讀正文之后的免責聲明及其項下所有內容指數化投資行動方案出臺，被動產品指數化投資行動方案出臺，被動產品擴容持續擴容持續方

31、案方案聚焦豐富指數基金產品體系、加快優化指數化投資發展生態和加強監管防范風險。方案針對我國ETF市場發展不均衡、風險管理工具缺少、ETF資金流動波動性較大、部分指數編制質量還需提高等重點問題給出了具體措施。資料來源：證監會，國信證券經濟研究所整理圖：促進資本市場指數化投資高質量發展行動方案主要內容圖：促進資本市場指數化投資高質量發展行動方案主要內容主要目標主要目標具體目標具體目標具體措施具體措施豐富指數產品體系積極發展股票 ETF全面做優做強核心寬基股票 ETF，打造行業旗艦 ETF 產品方陣，支持覆蓋率高、代表性強、流動性好的寬基股票 ETF 注冊發行，更好滿足中長期資金配置需求。推出更多紅

32、利、低波、價值、成長等策略指數 ETF，進一步提升ETF產品多樣性和可投性。圍繞做好金融“五篇大文章”、服務實體經濟與國家戰略、發展新質生產力，持續豐富主題投資指數 ETF 產品。穩步拓展債券 ETF在有效防控流動性風險和信用風險的前提下，持續豐富債券 ETF 產品供給，更好滿足場內投資者低風險投資需求。支持推出更多流動性好、風險低的不同久期利率債 ETF。穩妥推出基準做市信用債 ETF，研究將信用債 ETF納入債券通用回購質押庫，逐步補齊信用債 ETF 發展短板。支持促進場外指數基金發展加大普通指數基金、ETF聯接基金、指數增強型基金等具有不同風險收益特征場外指數產品供給力度，充分發揮指數產

33、品透明度高、成本低、配置功能強、風險分散等優勢，更好滿足廣大場外投資者多元化投資需求，實現場內外指數產品協同發展。穩慎推進指數產品創新以風險可測可控、投資者有效保護為前提，研究推出多資產 ETF、實物申贖模式跨市場債券ETF，銀行間市場可轉讓指數基金等創新型指數產品。研究拓展 ETF 底層資產類別。持續豐富 ETF 期權、股指期貨、股指期權等指數衍生品供給，為指數化投資提供更多風險管理工具。加快優化投資生態優化 ETF 注冊發行安排建立股票 ETF 快速注冊機制，原則上自受理之日起 5 個工作日內完成注冊。對成熟寬基指數 產品實施 ETF 及其聯接基金統籌注冊安排。持續完善 ETF 注冊逆周期

34、調節機制。支持基金管理人基于可持續發展潛力、市場容量和標的流動性等因素，開展 ETF 前瞻性布局和差異化競爭，完善具有不同風險收益特征的 ETF 圖譜。全面完善 ETF 運作機制全面評估 ETF 產品現行運作機制，及時修訂完善發行、上市、交易、做市、退市及信息披露等各環節制度安排。抓緊推進跨市場 ETF 全實物申贖模式改造。穩慎研究推進寬基 ETF 基金通平臺上線工作。擴大 ETF集合申購標的，推動集合申購業務常態化。明確 ETF 產品適用短線交易、減持、舉牌等監管要求，進一步便利指數化投資。切實提高指數編制質量不斷完善指數編制方法，增強指數產品生命力。鼓勵編制符合國家戰略、表征金融“五篇大文

35、章”、反映新質生產力、專精特新等特色指數，打造“中國品牌”指數體系，提升 A 股指數國際影響力。降低指數基金投資成本繼續免收 ETF 上市年費，推動降低或減免 ETF 做市、登記結算、指數使用等費用，持續調降指數基金運作成本。適時適度引導行業機構調降大型寬基股票ETF 管理費率和托管費率。將存量指數基金的指數許可使用費從基金財產中列支改為由基金管理人承擔。穩步推進指數化投資雙向開放統籌開放與安全，穩步擴大指數產品制度型開放，完善 ETF 互聯互通機制。穩步拓展ETF 納入滬深港通標的范圍。穩慎推進 ETF 互掛合作和境內指數境外授權用于開發指數產品和指數衍生品，吸引外資通過指數化投資參與 A

36、股市場。不斷提升投資者服務水平引導行業機構牢固樹立投資者為本理念，更加注重投資者服務，推動指數基金成為服務廣大中小投資者財富管理、便利各類中長期資金入市的重要工具。加大指數投資宣傳推廣、投教培訓工作力度，積極培育指數化投資理念，持續優化投資者服務質效，著力提升投資者獲得感，不斷擴大投資者群體。將符合條件的指數基金納入個人養老金投資范圍并動態調整，鼓勵發展以指數基金為主要配置標的的買方投顧業務，提升對接居民中長期投資理財需求的能力。支持指數編制機構加強指數業務推廣，為中長期資金開展指數化投資提供專業化指數編制服務。加強監管防范風險強化持續監管加強指數基金特別是 ETF 產品的日常監管，完善 ET

37、F 自律監管，規范 ETF 場內簡稱與上市管理，強化信息披露和風險揭示。建立健全數據信息共享機制。督促基金管理人加強信息系統建設和人員保障，夯實 ETF 產品穩健運行基礎。嚴格落實投資者適當性制度，健全投資者保護機制。突出風險防控壓實交易所市場風險一線監管職責，著力加強 ETF 產品風險監測預警與應對處置。加強對 ETF 產品申贖及交易行為的分析監測，及時識別、處置異常交易行為和結算交收風險，動態評估完善交易機制安排和流程管控。指導基金管理人規范 ETF 申贖清單、參考凈值的制作發布，強化對ETF 交易價格、交易規模的實時監控與風險應對。指導券商完善內部控制，實施客戶分層分類管理，完善客戶交易

38、動態跟蹤監測機制和應急處置安排。請務必閱讀正文之后的免責聲明及其項下所有內容機構持有被動產品占比機構持有被動產品占比穩步提升穩步提升指數化投資當前的發展動向契合本次方案中指數化高質量發展目標。被動股基角度，機構持有凈值占比從2020年的44%升至2024H1的59%，2023年及2024H1上升最為明顯，主要因為中央匯金及保險資金投資被動股基顯著增長。被動債基角度，2022年，因同業存單指數基金大量發行，個人投資者持有被動債基占比在當年大幅提升。2022年以來，由于利率下行、股市波動等影響，保險資金、銀行理財和商業銀行資金加大債券ETF投資，機構持有被動債基的凈值占比從2022年的78%升至2

39、024H1的86%?？偨Y來看，機總結來看，機構投資者持有被動基金的凈值占比提升，機構投資者的需求變化對被動基金發展的影響也更加深刻。但同時，個人投資者持有被動基構投資者持有被動基金的凈值占比提升，機構投資者的需求變化對被動基金發展的影響也更加深刻。但同時，個人投資者持有被動基金的凈值仍然保持增長，只是增速未及機構投資者。金的凈值仍然保持增長，只是增速未及機構投資者。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：被動股基的機構及個人圖：被動股基的機構及個人持有凈值占比持有凈值占比圖：被動債基的機構及圖：被動債基的機構及個人持有凈值占比個人持有凈值占比53

40、%54%54%59%60%44%44%45%48%59%47%46%46%41%40%56%56%55%52%41%0%10%20%30%40%50%60%70%80%90%100%2015201620172018201920202021202220232024H1機構個人95%96%97%96%99%99%98%78%81%86%5%4%3%4%1%1%2%22%19%14%0%10%20%30%40%50%60%70%80%90%100%2015201620172018201920202021202220232024H1機構個人請務必閱讀正文之后的免責聲明及其項下所有內容AIAI賦能指數化

41、投資，契合行動方案賦能指數化投資，契合行動方案要義要義結合促進資本市場指數化投資高質量發展行動方案，AI賦能指數化投資高質量發展具備良好前景。一是在指數設計和基金產品開發階段，AI在解決指數加權方式、編制新型指數等領域具備充分潛力；二是在指數基金管理運作階段，AI可在組合優化、跟蹤誤差控制、壓縮交易成本等方面發揮良好作用；三是在客戶服務層面，AI賦能智能投顧有望顯著提升投資者服務水平，四是在風險管理領域，AI可通過監測市場脆弱性指標預警尾部風險。資料來源：證監會，Wind，國信證券經濟研究所整理圖：圖：AI賦能指數化投資具備良好的理論賦能指數化投資具備良好的理論前景前景賦能領域賦能領域指數基金

42、行動方案目標指數基金行動方案目標AIAI賦能賦能具體賦能方式具體賦能方式指數設計與基金產品開發開發更多策略指數ETF，豐富ETF多樣性與可投性，切實提高指數編制質量指數構建和動態調整智能加權策略：傳統市值加權可能被AI優化，結合因子投資（如波動率、流動性、ESG等），通過機器學習動態調整權重，提升風險調整后收益；AI可處理新聞、社交媒體、衛星圖像等非結構化數據，輔助編制反映經濟趨勢的“新型指數”，并用于投資實踐指數基金產品運作與管理全面完善ETF運作機制，降低指數基金投資成本組合優化與跟蹤誤差控制、交易成本壓縮抽樣復制的精準化：AI通過分析歷史相關性，選擇最小樣本組合以降低跟蹤誤差，尤其在成分

43、股數量龐大或流動性差異大的指數中（如新興市場）。再平衡自動化：AI預測市場波動和交易成本，優化調倉時機與路徑，減少摩擦成本（如避免在財報季集中交易）。算法交易增強：AI拆解大額訂單，動態選擇最優交易所和交易時段，降低市場沖擊（例如Vanguard利用AI優化ETF的籃子交易）。流動性預測：通過自然語言處理（NLP）監測市場情緒，預判流動性變化，避免極端行情下的被動拋售。指數基金產品服務不斷提升投資者服務水平智能投顧結合指數基金AI根據用戶風險偏好，自動配置一籃子ETF，實現“千人千面”的被動組合。充分運用AI的內容生成能力，為客戶提供持續的買方投顧服務指數基金風險管理強化持續監管，突出風險防控

44、尾部風險預警AI監測市場脆弱性指標（如期權隱含波動率、資金流異常），提前調整對沖策略（如調整股指、國債期貨頭寸）。請務必閱讀正文之后的免責聲明及其項下所有內容AIAI賦能指數化投資，從理論到賦能指數化投資，從理論到實踐實踐境外來看，部分公司已發行AI驅動投資的股票ETF，代表產品Amplify AI驅動股票ETF（代碼AIEQ.P）。產品運作方式為：運用AI將企業公告文件、季度財報、新聞以及社群文章，將受益于當前經濟環境、投資風向、全球和公司層面事件的投資標的篩選出來，并從中挑選出股價最有上升潛力的股票。從實際表現來看，產品業績并不突出，可能是策略訓練還需迭代改進。國內來看，某頭部基金公司已發

45、行AI量化基金，其以中證500指數為基準，利用AI和海量數據，通過模型化的方法，尋找市場中被低估或錯誤定價的標的，從而獲得超額收益。同時通過AI算法，讓模型能夠根據市場環境和自身表現不斷地進行學習和進化，從而提高模型對于市場變化和異常情況的適應能力。自發行以來，該基金相對基準指數的超額收益較為顯著。資料來源：Wind，國信證券經濟研究所整理資料來源：Wind，國信證券經濟研究所整理圖：圖：AI選股選股ETF（代碼：（代碼：AIEQ）表現與標普）表現與標普500比較比較圖：國內圖：國內AI量化基金（基準為中證量化基金（基準為中證500指數）凈值表現大幅領先指數）凈值表現大幅領先基準指數基準指數-

46、40%-20%0%20%40%60%80%100%120%140%160%2017-102018-102019-102020-102021-102022-102023-102024-10AIEQ.PSPX.GI-50%-40%-30%-20%-10%0%10%20%30%2021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-082023-102023-122024-022024-042024-062024-082024-102024-12某AI量化基金A某AI量化基金B中證500請務必閱讀正文之后的

47、免責聲明及其項下所有內容大資管新趨勢0101大模型新突破大模型新突破0202進化終局：AI+HI的協同0303投資建議0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容DeepSeekDeepSeek推理能力與世界領先的大模型推理能力與世界領先的大模型不分伯仲不分伯仲DeepSeek-V3 發布時，在推理速度上相較歷史模型有了大幅提升。在目前大模型主流榜單中，DeepSeek-V3 在開源模型中位列榜首，與世界上先進的閉源模型不分伯仲。此后發布的DeepSeek-R1深度思考模型，推理能力進一步提升。資料來源：DeepSeek官網，國信證券經濟研究所整理圖：圖：DeepSeek模型推

48、理能力與世界領先的閉源大模型模型推理能力與世界領先的閉源大模型不分伯仲不分伯仲Benchmark(Metric)Benchmark(Metric)DeepSeek V3DeepSeek V3DeepSeek V2.5DeepSeek V2.5Qwen2.5Qwen2.5Llama3.1Llama3.1Claude-3.5Claude-3.5GPT-4oGPT-4oArchitectureMoEMoEDenseDense-Activated Params37B21B72B405B-Total Params671B236B72B405B-EnglishMMLU(EM)88.580.685.388.

49、688.387.2MMLU-Redux(EM)89.180.385.686.288.988MMLU-Pro(EM)75.966.271.673.37872.6DROP(3-shot F1)91.687.876.788.788.383.7IF-Eval(Prompt Strict)86.180.684.18686.584.3GPQA-Diamond(Pass1)59.141.34951.16549.9SimpleQA(Correct)24.910.29.117.128.438.2FRAMES(Acc.)73.365.469.87072.580.5LongBench v2(Acc.)48.735.

50、439.436.14148.1CodeHumanEval-Mul(Pass1)82.677.477.377.281.780.5LiveCodeBench(Pass1-COT)40.529.231.128.436.333.4LiveCodeBench(Pass1)37.628.428.730.132.834.2Codeforces(Percentile)51.635.624.825.320.323.6SWE Verified(Resolved)4222.623.824.550.838.8Aider-Edit(Acc.)79.771.665.463.984.272.9Aider-Polyglot(

51、Acc.)49.618.27.65.845.316MathAIME 2024(Pass1)39.216.723.323.3169.3MATH-500(EM)90.274.78073.878.374.6CNMO 2024(Pass1)43.210.815.96.813.110.8ChineseCLUEWSC(EM)90.990.491.484.785.487.9C-Eval(EM)86.579.586.161.576.776C-SimpleQA(Correct)64.154.148.450.451.359.3請務必閱讀正文之后的免責聲明及其項下所有內容DeepSeekDeepSeek成本低于性能

52、相當的其他成本低于性能相當的其他大模型大模型根據SemiAnalysis估計，DeepSeek 可以訪問大約 10,000 個 H800 和大約 10,000 個 H100，總服務器資本支出為大約為16億美元、集群運營成本約9.44億美元。成本表現方面，DeepSeek-V3的每百萬tokens的成本已在性能同級別大模型之中處于低位。資料來源：SemiAnalysis，國信證券經濟研究所整理資料來源：SemiAnalysis，國信證券經濟研究所整理圖：圖：DeepSeek AI 總成本約總成本約20億美元億美元圖：圖：Deepseek模型成本低于其他性能相當的模型成本低于其他性能相當的大模型大

53、模型DeepSeek AI TCOUnitA100H20H800H100TotalYears#4444#of GPUs#1000030000100001000060000NVDA$ASP$13,500$12,500$20,000$23,000Server CapEx/GPU$23,716$24,228$31,728$34,728Total Server CapEx$m$237$727$317$347$1,629Cost to Operation$m$157$387$170$230$944Total TCO(4y Ownership)$m$395$1,114$487$577$2,573DeepS

54、eek-V3 competitive AnalysisDeepSeek-V3 competitive AnalysisModelModelPrice/1M Price/1M inputinput Tokens TokensPrice Price/1MOutput/1MOutput Tokens TokensMMLUMMLU (Pass1)(Pass1)SWE SWE Verifed Verifed(Resolved)(Resolved)AIME AIME 20242024MATH-500MATH-500Claude-3.5-Sonnet-1022$3.00$15.0088.350.81678.

55、3GPT-40-0513$2.50$10.0087.238.89.374.6DoopSock-V3(TogatherAl)$1.25$1.2588.54239.290.2DcopScck.V3 Median Provider$0.90$1.10DeepSeck-V3(Normal Price)$0.27$1.10DcopScok-V3(Discount Price)$0.14$0.28Gamini 1.5 Pro$1.25$5.00862088GPT-4o-mini$0.15$0.608233.26.779Llama 3.1 405B$3.50$3.5088.624.523.373.8Llam

56、a 3.2 70B$0.59$0.73862064請務必閱讀正文之后的免責聲明及其項下所有內容DeepSeekDeepSeek是當前高于特定是當前高于特定MMLUMMLU的成本最低的成本最低的大模型的大模型MMLU是指多任務語言理解基準（Massive Multitask Language Understanding），用于評估模型綜合能力，分數越高性能越強（42分通常對應中小規模模型的基線水平）。伴隨時間推移，算力增強和算法快速進步，AI成本下降較快。DeepSeek V3的每百萬tokens的成本（價格中位數計算，MMLU高于特定分數）當前已經是大模型中最低，僅僅略高于1美元/百萬toke

57、ns。資料來源：SemiAnalysis，國信證券經濟研究所整理資料來源：SemiAnalysis，國信證券經濟研究所整理圖：圖：MMLU分數超過分數超過42的最廉價大型語言模型（的最廉價大型語言模型（LLM）每百萬每百萬 tokens 的成本的成本圖：圖：MMLU分數超過分數超過特定分數的最廉價大型語言模型（特定分數的最廉價大型語言模型（LLM）每百萬每百萬 tokens 的成本的成本請務必閱讀正文之后的免責聲明及其項下所有內容金融機構是大模型應用的金融機構是大模型應用的“急先鋒急先鋒”金融機構積極探索金融科技賦能業務發展，將大模型作為未來核心的技術戰略方向。在大模型落地案例中，金融行業占比

58、高達36.7%，是占比最大的行業。其中，銀行占比15.4%、證券8.8%、保險6.5%、其他金融6.0%。金融行業天然具有數據屬性和良好的數字化基礎，同時金融企業和機構具備強烈的數智化升級需求與多樣化的業務需求，以及對新興技術的較高接受度與資金支持度。包括證券、銀行、保險、期貨、財富管理等在內的所有金融細分行業的每個場景，AI都有用武之地。資料來源：沙丘智庫，國信證券經濟研究所整理資料來源：沙丘智庫，國信證券經濟研究所整理圖：大模型落地案例中金融行業占比圖：大模型落地案例中金融行業占比最大最大圖：金融行業中銀行、證券、保險均加大大模型圖：金融行業中銀行、證券、保險均加大大模型應用應用金融,36

59、.7%制造,14.7%IT/互聯網,12.2%消費品與零售,8.1%能源,6.0%通信,5.5%醫療,5.1%政府與公共服務,4.6%物流,1.8%教育,1.6%其他行業,3.7%銀行,15.4%證券,8.8%保險,6.5%其他金融,6.0%請務必閱讀正文之后的免責聲明及其項下所有內容金融機構金融機構加速本地化部署加速本地化部署DeepSeekDeepSeek大模型大模型DeepSeek發布以來，證券、基金、銀行、保險等等金融機構紛紛部署DeepSeek大模型，在運營管理和業務創新中應用。資料來源：各公司官網、官方微信，國信證券經濟研究所整理資料來源：各公司官網、官方微信，國信證券經濟研究所整

60、理圖：部分銀行、保險業圖：部分銀行、保險業公司的公司的DeepSeek部署情況部署情況圖：部分證券、基金業公司的圖：部分證券、基金業公司的DeepSeek部署部署情況情況公司公司DeepSeekDeepSeek部署情況部署情況DeepSeekDeepSeek應用場景應用場景郵儲銀行郵儲銀行本地部署并集成了DeepSeek V3模型和輕量DeepSeek R1推理模型郵儲銀行首先將DeepSeek大模型應用于“小郵助手”，新增邏輯推理功能，增強精準服務效能;通過深度分析等功能，精準識別用戶需求，提供個性化和場景化的服務方案，借助高效推理性能，加快響應速度和任務處理效率，為用戶提供更流暢的交互體驗

61、。北京銀行北京銀行完成了DeepSeek V3和R1滿血模型、R1蒸餾模型和Janus Pro多模態模型推理任務的快速部署和推理加速調優目前已在AIB平臺京行研究、京行智庫、客服助手、京客圖譜等多個關鍵業務場景中試點應用，大幅提升了知識驅動的模型服務質量和效率，為銀行智能化發展注入強勁動力。江蘇銀行江蘇銀行本地化部署了微調DeepSeek VL2多模態模型、輕量DeepSeekR1推理模型利用識別結果結合外部數據等方式智能檢測校驗合同信息，對風險較高的交易提前發出預警，有效防范潛在的信貸風險。利用DeepSeek模型優化后，識別及預警響應速度提升20%。重慶銀行重慶銀行已完成DeepSeek

62、R1的本地化部署及驗證性測試利用Deepseek大模型對智能客服知識庫進行深度解析，實現了更加精準的語義理解、邏輯推理和多輪對話能力，驗證了大模型對業務一線服務專業度與服務響應速度提升的有效性。后續，重慶銀行將以全行人工智能中臺服務體系建設為契機，通過進一步強化算力管理、模型管理和應用場景開發能力，運用大模型打造更多營銷、風控以及內部管理智能體，提升運營效率、優化客戶體驗并增強風險管理能力。新華保險新華保險已接入DeepSeek R1、V3兩款模型產品打造個人AI助理支持多個智能應用場景。未來，新華保險將進一步深度挖掘模型能力，從銷售支持、辦公輔助、風控合規管理，全方位賦能業務發展，快速構建

63、AI能力體系，增強綜合競爭力，為客戶提供更優質的金融服務，推動保險業務持續發展。公司公司DeepSeekDeepSeek部署情況部署情況DeepSeekDeepSeek應用場景應用場景國泰君安國泰君安已完成 DeepSeek R1模型的本地化部署賦能和拓展“君弘靈犀”在智能問答、智投服務、投教、行業研究、市場分析、合規風控、信息檢索、文檔處理等多個核心業務場景的應用，將為員工和用戶提供更加精準、高效的 AI服務。中信建投中信建投已完成對DeepSeek R1的本地化部署在2024年上半年接入DeepSeek大模型，推動人工智能技術在風險管控及業務創新等領域的深度應用。尤其是在風控領域，該系統充

64、分發揮了DeepSeek語義理解能力，構建起全天候7x24小時的輿情監測網絡，將新聞響應時效縮短至分鐘級。廣發證券廣發證券已完成DeepSeek V3和R1的接入上線了基于DeepSeek的微信小程序，優化智能客服、代碼生成輔助、智能投研等場景。國信證券國信證券已完成DeepSeek-R1-Distill-32B模型的本地部署，并引入了云端的V3、R1系列版本在多個業務場景中進行了初步驗證，結果顯示，DeepSeek模型在智能問答、投資顧問、個股分析等多個領域表現出色，對比上一代開源模型，展現出了更大的業務融合潛力，后續將計劃更廣泛應用于金太陽APP、財富管理、投資銀行、投研分析等核心的證券業

65、務領域。匯添富基金匯添富基金已完成DeepSeek系列開源模型的私有化部署應用于投資研究、產品銷售、風控合規、客戶服務等核心業務場景。富國基金富國基金部署了包括DeepSeek在內的多款開源模型經過探索驗證，本地化部署模型在內部數據加工、代碼輔助生成、文字生成、企業級RAG、研報解讀等應用方向上達到了可用階段。天弘基金天弘基金正在對DeepSeek模型技術全面跟進對其模型測試業務效果、利用其訓練天弘基金自身的大模型、開發強化學習路徑等等，部分探索已有進展。興證全球興證全球基金基金已完成DeepSeek模型的私有化部署接入公司AI平臺，供投資研究、交易、客戶服務等應用系統調用。請務必閱讀正文之后

66、的免責聲明及其項下所有內容證券領域：證券領域：AIAI大模型賦能業務大模型賦能業務服務、內部運營和監管服務、內部運營和監管科技科技AI賦能證券業務可以分為業務服務、運營管理和監管科技三大類。業務服務主要包括智能投行、智能投顧、智能投研、智能投資、智能營銷、智能客服等場景；運營管理包括智能風控、智慧運營、智能辦公等場景；監管科技則涉及身份識別、監管數據支撐、風險預警等場景。多模態大模型的識別、智能搜索、文本處理、文生文、文生圖等能力是AI得以應用的基礎。國內某證券公司大模型集成平臺通過構建基礎設施層、平臺層、服務層和應用層四層架構，以公有云、私有云為算力基礎、數據為訓練語料對模型進行訓練，訓練出

67、感知AI、認知AI、生成式AI和RPA，應用于內部管理、投研、投顧、投教、合規簡報生成和IT研發代碼生成等領域。資料來源：上海金融科技產業聯盟，國信證券經濟研究所整理資料來源：中關村科金，國信證券經濟研究所整理圖：大模型能力與證券領域應用場景圖：大模型能力與證券領域應用場景對應對應圖：某證券公司的大模型技術平臺圖：某證券公司的大模型技術平臺建設建設請務必閱讀正文之后的免責聲明及其項下所有內容基金領域：基金領域：AIAI大模型推動基金業務全面轉向大模型推動基金業務全面轉向智能化智能化大模型已經在智慧辦公、智能投研、智能投資、智能營銷、智能審核、智能投教等多個場景陸續落地，著重解決了以往業務過程中

68、人工重復操作、流程不暢、運作效率不高等難點，并以后臺運營工作為抓手，逐步向中臺乃至前臺推進，比如研報分析、投研會議總結、智能算法、客服輔助等方面場景，以期在智能投研、客戶服務、運營降本增效等方面發揮關鍵作用。資料來源：上海金融科技產業聯盟，國信證券經濟研究所整理資料來源：上海金融科技產業聯盟，國信證券經濟研究所整理圖：大模型能力與圖：大模型能力與基金領域應用場景基金領域應用場景對應對應圖：某圖：某基金公司的大模型技術平臺基金公司的大模型技術平臺建設建設請務必閱讀正文之后的免責聲明及其項下所有內容保險領域：保險領域：AIAI大模型助力智能展業、智能研發和辦公大模型助力智能展業、智能研發和辦公輔助

69、輔助AI大模型+保險是以保險業務場景需求為牽引，在賦能保險代理人隊伍建設、建立智慧運營銷售推廣體系、優化客戶服務體驗、加速科技化建設發展、提高辦公生產力等方面提供助力。新華保險結合DeepSeek，給出的保險配置建議已基本能達到“私家顧問”水平。資料來源：中國人保官方微信，國信證券經濟研究所整理資料來源：新華保險官方微信，國信證券經濟研究所整理圖：新華保險本地化部署圖：新華保險本地化部署DeepSeek后的智能展業后的智能展業場景場景圖：人保集團基于圖：人保集團基于AI大模型的大模型的應用矩陣應用矩陣請務必閱讀正文之后的免責聲明及其項下所有內容銀行領域：銀行領域：AIAI大模型加強風險識別和流

70、程大模型加強風險識別和流程提質增效提質增效國內某銀行本地化部署DeepSeek后，信息識別和流程優化得到顯著增強。一是運用多模態模型實現合同質檢智能化，防范信貸風險。通過DeepSeek-VL2多模態模型的細粒度文檔理解能力將嵌套表格、手寫體混合排版等復雜場景的識別成功率提升至領先水平。利用識別結果結合外部數據等方式智能檢測校驗合同信息，對風險較高的交易提前發出預警，有效防范潛在的信貸風險。二是運用推理模型實現托管資產估值對賬自動化，優化流程提質增效。通過輕量化DeepSeek-R1推理模型引擎的高效計算特性完成資產托管估值信息自動化解析錄入、自動化對賬，解決傳統資產托管估值對賬存在的錄入工作

71、量大、對賬異?；厮堇щy等問題。資料來源：蘇銀數字金融，國信證券經濟研究所整理資料來源：上海金融科技產業聯盟，國信證券經濟研究所整理圖：大模型能力與圖：大模型能力與銀行領域應用場景銀行領域應用場景對應對應圖：某圖：某銀行的大模型技術平臺銀行的大模型技術平臺建設建設請務必閱讀正文之后的免責聲明及其項下所有內容大資管的新趨勢0101大模型的新突破0202進化終局：進化終局：AI+HIAI+HI的的協同協同0303投資建議0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容AIAI大模型賦能智能投資的實踐研究大模型賦能智能投資的實踐研究一般來講，股票的投資決策是新聞里標的公司重要事件、公司的財

72、務狀況、股價相對于競爭對手和市場的表現以及宏觀經濟環境的函數，即股價S=f（時事新聞，公司基本面，股價表現，宏觀經濟狀況），AI賦能投資即是對映射關系f進行訓練。新聞提取器主要負責新聞的獲取、濃縮和制作股票最具影響力新聞的漸進式概要?？梢宰孉I大模型模仿金融分析師的角色，其任務是通過整合各種類型的信息來合成特定股票的更新摘要，訓練模型在整合最新公司發展、市場動態和戰略策略方面的自適應能力?；久婵偨Y器通過獲取和比較最近的季度財務報表，深入研究盈利能力、收入軌跡、債務指標和現金流動態等方面。這種對最新數據的關注使AI大模型能夠檢測財務業績的變化，并盡可能將其與新聞相關聯?；久婵偨Y器旨在對公司的

73、財務狀況進行公正、真實、客觀的概述，避免任何直接投資建議。股價動態摘要生成器不僅收集目標股票股價變動數據，還根據公司描述和行業將其表現與五只最相似的股票進行比較，并與標準普爾 500 指數所代表的市場環境進行比較。股價摘要生成器分析關鍵財務指標，包括 3 個月、6 個月和 12 個月的累積回報和夏普比率，并計算波動性、相關性和最大回撤。目標是提供股票與類似公司市場動態和整體市場趨勢的多維視圖。宏觀經濟摘要生成器首先將宏觀經濟報告和文章轉換為文本形式。隨后，組件利用大模型總結各個報告，然后將這些單獨的摘要濃縮成一個全面的概述。目標是提供關于宏觀經濟狀況、央行政策、首選行業或國家以及地緣政治趨勢的

74、共識觀點。操作信號生成：基于新聞數據、基本面數據、股價表現數據和宏觀經濟數據，運用AI大模型對不同類別的數據進行權衡和推理的能力，作出投資機會提示。請務必閱讀正文之后的免責聲明及其項下所有內容AIAI大模型賦能智能投資的大模型賦能智能投資的實踐研究實踐研究資料來源：MarketSenseAI，國信證券經濟研究所整理圖：圖：AI基于新聞事件、基本面、宏觀經濟、股價表現等核心訓練組件的選股基于新聞事件、基本面、宏觀經濟、股價表現等核心訓練組件的選股架構架構請務必閱讀正文之后的免責聲明及其項下所有內容AI+HIAI+HI：智能投資：智能投資演變終局演變終局AI大模型對投資交易更多是技術賦能，而非直接

75、替代?？缮疃葘W習、可復制的投研框架交大模型對投資交易更多是技術賦能，而非直接替代?？缮疃葘W習、可復制的投研框架交AI模型化，模型化，AI提示投資機會，人工復核。按照勝率和賠率兩個維度我們將所有投資機會分為四個象限。第二象限基本面不佳+估值便宜，屬于潛力區域，把握投資機會仍需要人工深度研究商業模式和內在價值；第一象限基本面佳+估值便宜，屬于可模型化的投資機會，AI提示機會人工復核；第四象限基本面佳+估值高，把握投資機會需要人工深度研究公司前景；第三象限基本面不佳+估值高，屬于回避區域。資料來源：Wind，國信證券經濟研究所整理圖：被動股基與主動股基凈值規模增長對比（單位：億元）圖：被動股基與主動

76、股基凈值規模增長對比（單位：億元）請務必閱讀正文之后的免責聲明及其項下所有內容終局：終局：“AI+HI”“AI+HI”實現投研范式的實現投研范式的革新革新投研范式投研范式代表模式代表模式特點描述特點描述人力（HI）為主的1.0時代格雷厄姆、巴菲特、彼得林奇主導的“超級產品”模式通過管理人巨大投資洞察力，產品實現了顯著超額收益，契合時代背景；巨大的成功難以復制；HI主導下的工業化運作先鋒基金、貝萊德基金、橋水等初步形成了資產管理工業化，運作成本高昂；配置股票債券等標準化資產為主，以指數產品作為基礎工具實現集約化運作；“AI+HI”下的運作模式探索中AI將能一定程度上模擬人類的思考，在信息整合的基

77、礎上理解和推理，為決策判斷提供依據，在標準化資產上進一步延申到另類債權、私募股權等新資產；而HI在此基礎上充分利用AI工作，提升工作和決策效率，甚至推動投研范式的革新。圖：投研范式的轉型圖：投研范式的轉型迭代迭代資料來源：中國基金報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容資管機構工廠化，資管機構工廠化，AIAI應用前景應用前景廣闊廣闊資管機構工廠化：在多資產全能平臺的支持下，可以根據客戶不同的投資收益目標和風險偏好，提供包含多種策略制定、執行及運作管理的全流程、跨資產的解決方案。資料來源：華夏基金官方微信，國信證券經濟研究所整理圖：華夏基金圖：華夏基金多資產投資平臺

78、多資產投資平臺請務必閱讀正文之后的免責聲明及其項下所有內容AIAI賦能賦能保險業運營及保險業運營及決策效率提升決策效率提升 AI可以在多個層面賦能保險資管（保險資產管理），通過智能化的分析、預測、決策支持等技術，提升管理效率、優化投資策略、降低風險、提高投資回報。AI技術在保險資管領域的應用已覆蓋投研、風控、合規、客戶服務等核心環節。中國人壽中國人壽智能信用系統：通過AI技術主動預警信用風險，結合大數據分析企業信用狀況，從被動響應轉向主動預防。系統覆蓋區域、行業、企業多維度的風險監控，提升債券投資的信用風險管理能力。太平資產太平資產FOF智能管理平臺：太平資產開發全流程FOF管理平臺，應用AI

79、算法優化大類資產配置和基金篩選。平臺支持模擬交易、組合回測及風險壓力測試，提升FOF產品的科學性和投資回報率。通過自動化處理，業務效率提高40%。陽光保險陽光保險陽光正言GPT大模型：應用于人傷理賠場景，通過圖像識別和自然語言處理技術，實現定損單證自動分類（準確率95.6%）和傷情識別，大幅縮短理賠周期。該模型還支持智能客服問答，提升客戶服務效率。泰康資產泰康資產智能合規系統：泰康資產上線智能合規系統，整合400余部法律法規，利用語義分析技術實現自動化法律檢索和案例分類。系統支持實時合規監控，減少人工審核工作量，提升合規效率。資料來源：各公司官網，國信證券經濟研究所整理請務必閱讀正文之后的免責

80、聲明及其項下所有內容AIAI助力助力保險業優化另類保險業優化另類資產投資資產投資 AI賦能保險投資另類資產的核心在于“數據+算法”的雙重突破，通過動態風險評估、非結構化數據挖掘、組合優化等能力，幫助險資在低流動性、高復雜度的資產類別中實現風險可控的收益。未來，隨著AI與物聯網、區塊鏈等技術的進一步融合，險資在另類資產領域的布局將更加精準和高效。非結構化數據處理與市場洞察非結構化數據處理與市場洞察AI的自然語言處理（NLP）技術可分析新聞、政策文件、行業報告等非結構化數據，輔助投資團隊捕捉市場趨勢。例如，大語言模型可快速解讀新興行業政策，識別潛在投資機會（如新能源或醫療健康領域）。動態投資組合優

81、化動態投資組合優化AI通過量化模型優化資產配置，結合另類資產的流動性特點，動態調整投資組合。例如，太平資產利用AI量化策略在中小盤股中捕捉超額收益，類似邏輯可延伸至流動性較低的另類資產（如私募股權基金份額交易）。數據驅動的風險評估與定價數據驅動的風險評估與定價AI通過整合多源數據（如宏觀經濟指標、行業動態、項目運營數據等），結合機器學習模型，可動態評估另類資產的潛在風險與收益。例如，在基礎設施投資中，AI可分析交通流量、區域經濟數據等，預測項目現金流穩定性?？萍急ｋU支持的高風險領域投資科技保險支持的高風險領域投資眾安保險為無人駕駛電動重卡（Q-Truck）提供研發設備財產保險和測試期責任保險，

82、通過物聯網數據實時監控設備狀態，降低投資方風險，吸引更多資金進入智能駕駛領域。量化投資模型賦能另類資產策略量化投資模型賦能另類資產策略太平資產將AI技術應用于量化策略，通過機器學習分析市場波動，優化對沖基金和私募股權的投資組合。例如，其AI量化產品在2023年權益市場中表現優異，策略可擴展至另類資產的風險對沖?；A設施投資的智能化風控基礎設施投資的智能化風控向南科技的商用車風險減量項目中，AI結合ADAS和DMS設備實時監測車輛行駛數據，為保險資金投資物流基礎設施提供動態風險評估，通過物聯網+AI技術，險資可更精準評估底層資產運營風險，提升配置效率。資料來源：公司官網，國信證券經濟研究所整理請

83、務必閱讀正文之后的免責聲明及其項下所有內容大資管的新趨勢0101大模型的新突破0202進化終局：AI+HI的協同0303投資建議投資建議0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容投資建議投資建議證券：AI賦能證券業務可以分為業務服務、運營管理和監管科技三大類。業務服務主要包括智能投行、智能投顧、智能投研、智能投資、智能營銷、智能客服等場景；運營管理包括智能風控、智慧運營、智能辦公等場景；監管科技則涉及身份識別、監管數據支撐、風險預警等場景。鑒于AI大模型需要證券公司擁有對新興技術的較高接受度與資金支持力度，以及良好的數據基礎與全面的業務線條，我們重點推薦IT投入力度較大、資本

84、實力雄厚、業務布局全面的中信、華泰、中金，以及互聯網流量巨大+變現牌照豐富的東方財富。保險：AI大模型+保險是以保險業務場景需求為牽引，在賦能保險代理人隊伍建設、建立智慧運營銷售推廣體系、優化客戶服務體驗、加速科技化建設發展、提高辦公生產力等方面提供助力。我們推薦布局大模型較早、業務體系完善和業績穩健的中國財險。資料來源：Wind，國信證券經濟研究所整理。數據截至2025.2.14圖：股票盈利預測及圖：股票盈利預測及估值估值細分板塊公司代碼評級收盤價（元）總市值（億元）營業收入（百萬元，%）歸母凈利潤（百萬元，%）EPSPB2024E同比%2024E同比%2024E2025E2024E2025

85、E證券中信證券600030.SH優于大市28.124,168 64,905 8.1%21,304 8.0%1.40 1.60 1.10 1.00 中金公司601995.SH優于大市33.091,597 25,576 11.2%6,874 11.7%1.40 1.60 1.60 1.50 華泰證券601688.SH優于大市17.771,604 38,780 6.0%13,927 9.2%1.50 1.60 0.80 0.80 東方財富300059.SZ優于大市24.163,814 11,618 5.0%8,830 8.0%0.56 0.60 3.20 4.00 保險中國財險2328.HK優于大市

86、13.042,900 504,398 6.6%28,418 15.6%1.28 1.44 0.89 0.84 請務必閱讀正文之后的免責聲明及其項下所有內容風險提示風險提示 本報告為分析框架，文中所涉及的基金產品均為舉例之用，不涉及具體的投資建議。本報告為分析框架，文中所涉及的基金產品均為舉例之用，不涉及具體的投資建議。資本市場景氣度下滑。資本市場景氣度下滑?；鸬讓淤Y產如股票、長久期債券等均為資本市場，如資本市場景氣度下滑，股票、債券等資產的投資特性或將發生變化，本報告中的觀點或不再適用。政策風險。政策風險。近年來規范金融行業發展的政策時有加強，政策變化或將影響行業的投資策略和戰略決策，對行業

87、經營有較為顯著的影響。宏觀經濟下行風險。宏觀經濟下行風險。資管產品的資金來源和資金用途均與宏觀經濟息息相關，如宏觀經濟下行超出預期，則公募基金行業發展或將受到較顯著的影響。投資者風險偏好變化。投資者風險偏好變化。資管機構發展進程中，投資者風險偏好將會對基金產品的發展方向造成顯著影響。AI大模型落地不及預期的風險。大模型落地不及預期的風險。請務必閱讀正文之后的免責聲明及其項下所有內容免責聲明免責聲明分析師承諾分析師承諾作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報

88、告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲明。重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。本報告僅供我公司客戶使用，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷

89、，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收

90、益或者分擔證券投資損失的書面或口頭承諾均為無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過

91、電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。國信證券投資評級國信證券投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后6到12個月內的相對市場表現，也即報告發布日后的6到12個月內公司股價

92、（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A股市場以滬深300指數（000300.SH）作為基準；新三板市場以三板成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市場以標普500指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級股票投資評級優于大市股價表現優于市場代表性指數10%以上中性股價表現介于市場代表性指數10%之間弱于大市股價表現弱于市場代表性指數10%以上無評級股價與市場代表性指數相比無明確觀點行業投資評級行業投資評級優于大市行業指數表現優于市場代表性指數10%以上中性行業指數表現介于市場代表性指數10%之間弱于大市行業指數表現弱于市場代表性指數10%以上請務必閱讀正文之后的免責聲明及其項下所有內容國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路125號國信金融大廈36層郵編：518046 總機：0755-82130833上海上海上海浦東民生路1199弄證大五道口廣場1號樓12樓郵編：200135北京北京北京西城區金融大街興盛街6號國信證券9層郵編：100032