AI 在资产管理中的价值

  执行摘要：

• 
  AI 可以用于投资经理细化买入或卖出信号的分析，并通过模式分析从大量数据中提取信号。它还可以用于提高交易效率。
• 
  AI 的能力可以连接不同类型的數據，帮助发现隐藏的洞察并解锁投资者情绪。
• 
  在 Russell Investments，我们正在利用技术来简化我们股票经理研究过程中的量化部分。这使我们能够将更多时间投入到定性研究工作中。
• 
  AI 是投资社区的一个宝贵工具，但绝不能替代人类的思考。

自生成人工智能（AI）自 2020 年左右以 ChatGPT、Copilot 和 Gemini 等大型语言模型横空出世以来，给人类带来了震撼，它们能够理解人类请求并以所需输出作出回应——无论是总结文章、深入数据分析、为应用程序编写代码，还是生成图像或视频。当今 AI 能够做到的事情仍然显得同样广阔和无穷无尽，尤其是在这项技术仍处于早期阶段的情况下。

这就是为什么在罗素投资公司，我们相信人工智能有潜力通过提高效率、个性化、知识共享和信息访问以及先进数据分析来增强人类生产力，从而实现经济上的变革。两年过去了，这项技术在很大程度上满足了我们的运营预期，提高了诸如编码和数据洞察提取等流程的效率。然而，我们对炒作保持谨慎，因为人工智能及其相关法规仍在不断发展。最终，我们认为人类监督对于真正有效的实施至关重要——尤其是在金融服务领域，该领域的情境和关系极为重要，我们看到这项技术是提高人类生产力的一种方式，而不是取代它。

所以，投资经理今天是如何在策略中使用 AI 的？它有哪些具体方式可以帮助提高运营效率并扩大投资洞察的获取范围？

让我们来看看。

投资经理可以由 AI 自动化哪些任务？

从根本上说，AI 能够无需遵循明确指令就分析数据中的模式并推断出结论，这为投资应用提供了多种潜在可能性。这些应用包括可能利用该技术细化买入或卖出信号的分析，以及利用模式分析从大量数据中提取信号。AI 还可以用于提高交易效率。

生成式 AI 特别有助于通过抓取财报、电话会议和新闻文章中的信息来识别投资中的主题和新兴趋势。过去，这项工作是由投资分析师每天花费数小时手动从各种来源提取和整理数据的繁琐任务。生成式 AI 通过即时收集和合成信息完全消除了这一过程。

投资世界中 AI 可以帮助完成的重复性任务清单是广泛的，这些任务目前仍主要由人类完成，包括生成投资报告、自动化合规和控制相关的任务，以及协助电子邮件和沟通管理等。简单来说，AI 处理人类语言的能力使文本数据能够转化为可操作的洞察，提供几乎在眨眼之间就能完成的快速分析，从而指导投资决策。

也许 AI 在研究中最令人兴奋和创新的应用之一就是它如何连接不同类型的數據。它可以将结构化数据，如基本面数据，与非结构化数据，如新闻文章或社交媒体，结合起来，提供一个更加全面的视角。这种将各种数据流整合在一起的能力有助于发现隐藏的洞察，并解锁投资者情绪。更重要的是，它还能帮助发现过去只有具备深厚专业知识且有充足时间的分析师才能找到的模式或联系。借助 AI，这种高级分析正迅速变得普及化，使更多个人能够以快速简便的方式获取关键的投资洞察。

我们如何使用 AI 提高运营效率

在 Russell Investments，我们正利用 AI 来帮助简化我们股票经理研究过程中的定量部分。具体来说，我们利用集成机器学习模型来分析大量数据，以改进我们的投资产品发现过程。AI 还帮助我们简化了诸如报告总结和代码编写等常规任务，使我们的团队能够将更多时间投入到其他增值任务中。

图表：我们在 Russell Investments 如何使用 AI


此外，我们还在继续探索使用 AI 来提高效率的其他方式。作为这项努力的一部分，我们最近完成了一个行业新闻机器人的项目，该机器人有助于筛选出对我们行业正在发生的事情最有相关性的见解。此外，我们还建立了一个工具，可以直接从投资备忘录生成演示文稿幻灯片，简化流程并节省宝贵的时间。

重要的是要强调，虽然我们认为人工智能是提高运营效率和服务质量的有价值的工具，但我们认为只有在负责任和道德的方式下使用它才能发挥作用。因此，我们建立了一个人工智能伦理和治理委员会，以制定指导原则、政策、培训和监督，确保在罗素投资公司内部负责任地实施和使用人工智能。

AI 如何增强我们的经理研究过程

经理研究是许多资产管理人和资产所有者投资过程中的关键组成部分，深入的定量和定性分析对于理解基金经理超越市场的能力至关重要。由于定量研究本质上是围绕收集和分析与基金经理组合的表现和持仓相关的大规模数据，因此传统上是一个高度劳动密集型的过程。

进入 AI 领域。由于这项技术有许多不同的版本，在 Russell Investments，我们已经能够自动化许多定量部分的经理研究过程，包括生成分析和报告。最创新的组件之一是我们开发了一个使用机器学习的定量经理筛选工具，帮助我们发现新的经理产品并分析超过 10,000 种股票投资产品——这是我们无法手动完成的。这种能力显著增强了我们分析的广度，而我们其余的自动化努力则推动了我们流程的更快和更高效。

鉴于我们在 Russell Investments 拥有的大量经理产品数据，如投资组合特征、公司和团队特征、敞口、风险和过往业绩，机器学习可以增强经理研究过程，无论是发现阶段还是持续维护阶段。然而，我们再怎么强调量化/AI 方法与定性方法相结合的重要性都不为过。

这是因为虽然定量方法——包括由 AI 驱动的方法——在快速分析大量数据集、识别模式和相似性以及基于历史数据进行预测方面表现出色，但它们缺乏人类判断所提供的背景、直觉和细微理解。换句话说，基于访问的定性方法可以提供深入的见解、背景理解，并能够在投资流程或团队动态中解释复杂情况和细微差别，这些是数据无法捕捉到的。AI 能否增强人类判断？当然可以。但它能否替代？绝对不能。

这就是为什么在罗素投资，我们的研究分析师继续进行深入的定性评估，以确保由 AI 提供的总结和洞察具有上下文相关性和准确性。更重要的是，让 AI 筛选我们几十年来收集的所有经理研究资料，实际上使我们能够将更多时间投入到定性研究中。例如，分析师现在可以将更多时间花在与经理的面对面会议上，探讨他们投资理念的不同之处，而不是手动构建图表和表格，或埋头于大量数据中提取投资主题。最终，我们相信结合我们定性与定量研究方法的优势将有助于对投资产品进行全面评估。

总结

AI 能够高效地从结构化和非结构化数据集中提取信息并进行分析，这有可能极大地提升管理者研究过程中的定性部分。简而言之，它提供了更多的信息并且更快——使得今天的分析师能够比以往任何时候都更容易获得投资洞察。

尽管如此，所有这些信息仍然需要被消化、处理，并与众多其他定性因素权衡比较之后才能做出决定。这就是人类监督的价值所在。虽然人工智能无疑是投资界的一个宝贵工具，但它绝不能替代人类的思考。明智地使用它。