摘要：人工智能写研报听上去很酷，但是提高准确率的背后其实是一本你看不到的成本账。

该问题本身就有问题，百度文心一言确实已经进入了金融领域，但是你如果认为券商研究报告的准确度会因为人工智能的加入而忽然提高的话，那么你就想得过于简单了。最近我和几位从事量化研究的人士交谈过后发现他们给出的意见和你的想法并不一致。

首先说明一个基本的事实，即券商研报的准确性，并不是依靠某一种工具就可以解决的，研报的质量主要由以下三个方面决定：数据的质量、分析的方法、对行业认识的程度。人工智能可以做的是前两者，即帮助我们快速地处理大量的数据，并用比较标准化的模型得出结果。但是第三点，也就是对于行业的判断，目前人工智能还不能做到。

可以这样来理解，人工智能写研报就是把历史数据、财务指标、行业比较等东西按照一定的逻辑重新排列组合起来，形成一份看上去很专业的报告。它可以加快速度，比如说原来一个分析师需要花费三天时间完成的工作，现在只需要半天就可以搞定。但是效率提高了，并不意味着准确性也提高了。

深入一点讲，研报准确率的关键，在于能否看出财报数据后面有什么。比如说一家公司的营业收入增长了30%，但是应收账款却增长了50%，这又意味着什么呢？人工智能可以告诉你这两个数据之间的差别，但是它并不能判断出这家公司是激进扩张还是虚报业绩。这样的判断，就需要你对这个行业的发展模式、竞争态势以及管理层的特点有比较深入的认识。

我发现了一个有趣的现象，目前很多券商都开始使用人工智能工具来提高工作效率、扩大研究范围并使研究报告更加规范化。但是要看到真正具有影响力的研究报告的话，还是要依靠经验丰富的分析师自己去完成。

从成本的角度来看一下，一家金融机构要将文心一言这样的大模型集成到自己的研究报告系统中去，并不是只需要支付软件授权费这么简单的事情，还需要进行数据清理、模型训练、系统对接以及合规审核等一系列工作。这些费用并不便宜。另外，大模型产生的结果还要经过人工校对和补充那些人工智能无法完成的行业分析。

那么准确率提高了多少呢？我认为如果只从基本的研究报告出发——即只依靠财务数据以及行业的常识来分析的话，那么人工智能可以帮你避免一些低级错误，比如数据被误用或者逻辑链条出现中断等等。

但是如果你期望的是预测准确率有大幅度的提高的话，那么恐怕就只能失望了。因为预测这件事情本身就是在押注未来的不确定性的，而人工智能所依赖的数据都是过去的历史数据。

真正需要重视的是人工智能是否可以取代分析师的问题，而不仅仅是它是否会改变整个行业的竞争格局。如果所有的证券公司都用人工智能批量制造出普通的研究报告的话，那么那些具有深度并且有自己的见解的分析师就会变得越来越稀少了，也更加珍贵了。

你觉得人工智能会使得金融分析师的工作更加激烈竞争，还是会使得那些懂得金融的人更加受欢迎呢？