21世紀經(jīng)濟報道記者 陳植 上海報道

大模型技術正悄然改變證券投顧業(yè)態(tài)。

【資料圖】

記者獲悉，目前多家券商正在研發(fā)基于大模型技術的證券投顧產(chǎn)品。與此同時，第三方在線投資決策解決方案提供商也紛紛搶占先機，推出基于大模型技術的證券投資數(shù)字人產(chǎn)品。

一位券商人士向記者透露，這背后，是傳統(tǒng)證券投顧服務已無法滿足廣大股票投資者的需求。數(shù)據(jù)顯示，70%的個人投資者每天至少花費逾30分鐘用于閱讀財經(jīng)資訊，逾50%個人投資者還要額外花費逾30分鐘觀看財經(jīng)短視頻，每天花費逾3個小時獲取各類財經(jīng)信息的人數(shù)則占股民群體總數(shù)的10%。

與此形成反差的是，隨著上市公司數(shù)量越來越多，上市公司研報與市場分析觀點越來越豐富，這些股民日益感到“時間不夠用”，所以券商計劃研發(fā)基于大模型技術的證券投顧產(chǎn)品，通過AI自動生成內(nèi)容，快速精準全面地解決股民獲取上市公司各類信息需求。

但記者多方了解到，要做好這項工作，絕非易事——如何精準全面地回答股民“千差萬別”的提問，就是一大挑戰(zhàn)。

九方智投副總兼產(chǎn)品技術負責人張福明向記者透露，要解決這項挑戰(zhàn)，需要大模型融合知識圖譜、事理圖譜、分析師觀點、上市公司財報研報等眾多信息，通過反復預訓練進行“信息彌合”，才能快速給股民“答疑解惑”。

“這背后，是基于大模型技術的證券投顧產(chǎn)品還需要強大算力，以及其他大模型技術的助力。”他直言。

記者獲悉，基于大模型技術的證券投顧產(chǎn)品還面臨一大挑戰(zhàn)，就是AI生成內(nèi)容能否做到“合規(guī)”——不存在承諾收益率、夸大股票投資收益前景等誤導投資者的話術。

這令不少券商頗感頭疼，因為他們發(fā)現(xiàn)AI生成內(nèi)容未必“受控”，一旦出現(xiàn)上述誤導投資者內(nèi)容，則很可能面臨監(jiān)管部門問責。

張福明直言，為了解決這個問題，他們決定從輸入、輸出兩個關鍵環(huán)節(jié)做起，無論是輸入端——領域大模型的訓練語料信息，還是輸出端——大模型的生成內(nèi)容均須通過AI合規(guī)能力矩陣的模型服務檢測，保證大模型輸出內(nèi)容的合規(guī)性。

“如果在源頭輸入與信息輸出兩端均實現(xiàn)內(nèi)容合規(guī)，即在輸入高質(zhì)量數(shù)據(jù)集與輸出合法合規(guī)內(nèi)容的雙重保障下，提供給投資者的AI生成內(nèi)容可保持在安全合規(guī)邊界內(nèi)。”他直言。但為了確保萬無一失，他們?nèi)孕璨粩嗉涌齑竽Ｐ偷俣龋皶r杜絕各個隱患出現(xiàn)。

證券投顧大模型的諸多挑戰(zhàn)

記者多方了解到，要讓大模型技術成功應用在證券投顧場景，絕非易事。

目前，部分券商為了加快相關產(chǎn)品研發(fā)，采取“套殼方式”，即在通用大模型基礎上加入某些指令微調(diào)，從而研發(fā)大模型證券投顧產(chǎn)品。

但是，這類產(chǎn)品往往會出現(xiàn)“答非所問”狀況。比如當投資者問起“我的某只股票為何今天沒有跟隨指數(shù)上漲”，“目前我投資的某只股票所屬行業(yè)發(fā)展趨勢與上下游業(yè)績狀況如何”等相對復雜問題時，通用大模型未必能給出針對性的答案。

在張福明看來，用于證券投顧的大模型技術，需要自研，才能在感知能力、思維決策、內(nèi)容輸出能力等方面呈現(xiàn)專業(yè)性、嚴謹性與準確性。

“事實上，證券投顧的大模型技術底層語料信息相當復雜，包括知識圖譜（產(chǎn)業(yè)鏈上中下游全貌）、事理圖譜（事件脈絡及影響關系等投資邏輯）、分析師觀點與上市公司財報研報等。這都需要專業(yè)金融機構長期積累。”他告訴記者。此外，專業(yè)金融機構還需了解投資者經(jīng)常提出的問題，以及這些問題所需的解答方向，才能對這些底層語料信息進行有針對性的反復預訓練，達到精準答復的效果。

他直言，為了自研九章證券領域大模型，將積累10多年的宏觀數(shù)據(jù)、行情數(shù)據(jù)、資訊數(shù)據(jù)、公告數(shù)據(jù)等行業(yè)通用知識庫以及深度研報、特色指標、政策解讀、市場分析、熱點題材、課程教學、首席診股、公告掘金等特色知識庫融合，完成大模型證券行業(yè)知識增強訓練，確保大模型具備證券領域的語言理解、文本生成、對話問答、邏輯推理等能力。

“未來，我們計劃將上市公司更多財報研報融入大模型訓練范疇，進一步豐富AI生成內(nèi)容，解答投資者更多疑問。” 張福明向記者指出。

在業(yè)內(nèi)人士看來，盡管通過一段時間的預訓練，證券領域大模型開始具備諸多能力，但在實際操作環(huán)節(jié)，AI生成內(nèi)容能否做到“萬無一失”的合規(guī)，仍是一大挑戰(zhàn)。

畢竟，不同投資者對證券領域大模型的“內(nèi)容解答需求”截然不同，對“金融小白”而言，他主要通過大模型快速獲取各類金融信息，加深對上市公司的了解；對“職業(yè)股民”而言，他更希望大模型能提供大盤分析、挖掘板塊、熱點追蹤等服務；對專業(yè)投資人而言，他還希望大模型能提供策略生成、個股診斷、事件推理、情緒陪伴等服務體驗，但面對不同投資者的差異化需求，證券領域大模型的每次“AI生成解答”能否都做到合規(guī)（不存在任何承諾收益或夸大股票投資收益等誤導話術），挑戰(zhàn)不小。

記者了解到，部分券商對此嘗試多個大模型底層技術，但效果甚微。其中一個重要原因，是當新語料內(nèi)容加入大模型預訓練后，AI生成內(nèi)容時常會出現(xiàn)一些“誤導投資者”的措辭。

張福明對此指出，要解決這個問題，專業(yè)金融機構需要從源頭輸入與信息輸出兩端做好合規(guī)監(jiān)測。在此雙重保障下，提供給投資者的AI生成內(nèi)容就能夠保持在安全合規(guī)邊界內(nèi)。此外，專業(yè)金融機構還需對大模型不斷迭代升級，持續(xù)建立完善、有效的合規(guī)審核過濾機制，確保大模型技術能始終給出合規(guī)的“解答”。

在他看來，要做好這項工作，自研大模型是不可或缺的。即便它需要專業(yè)金融機構的長期投入。

千人千面投顧服務時代來臨？

值得注意的是，隨著大模型技術開始應用在證券投顧場景，業(yè)界普遍認為“千人千面”投顧服務時代或悄然漸行漸近。

上述券商人士向記者透露，大模型技術正令“千人千面”證券投顧服務頗具可行性。只要大模型能正確識別每個投資者的差異化信息需求、信息表達風格偏好等，就能做到因人而異的投顧服務。

但他直言，要做好這項工作，還需解決一大挑戰(zhàn)，就是如何讓大模型能準確識別每個投資者的差異化信息需求與信息表達風格偏好等。這背后，是大模型投顧產(chǎn)品研發(fā)者需做好兩件事，一是向大模型輸入不同投資者的性格特點、問答偏好等信息，以便大模型更準確地“了解”投資者不同特征；二是在大模型預訓練環(huán)節(jié)，能針對不同投資者性格與問答偏好，對同一個內(nèi)容話題進行差異化“訓練”，從而產(chǎn)生不同表達風格的話術。

“這需要大模型做大量的內(nèi)容擬人化訓練。” 張福明告訴記者。九章證券領域大模型與科大訊飛星火認知大模型開展合作，一個重要目的就是提振AI生成內(nèi)容的“擬人化”能力，可以讓它適應不同投資者的問答偏好。

他透露，通過調(diào)研發(fā)現(xiàn)，不少投資者不喜歡四平八穩(wěn)的解答，有些偏好語調(diào)活潑一些，有些則希望語氣親和力強，也有投資者更強調(diào)通俗簡短。

在張福明看來，當證券投顧大模型能充分實現(xiàn)AI生成內(nèi)容“擬人化”，千人千面證券投顧服務的基礎將更加牢固。

“我們還與科大訊飛星火認知大模型還在開展一系列新合作，在投顧場景及時準確地解答投資者其他非相關問題，提供有溫度、人性化、多場景的產(chǎn)品服務體驗。”他向記者表示。如此證券投顧大模型或許才能實現(xiàn)真正意義上的“千人千面服務”。

關鍵詞：