“最近我在用VS Code编程的过程中，就安装了自动填写代码的插件。比如，我要实现某个函数功能，可以在命令行中输入我的要求，它就会把这段代码写出来，在这个代码基础上我再调整和修改，确实帮我提高了很多效率。”嘉实基金增强风格投资总监刘斌也为记者表达了类似的场景。
据了解，在之前，量化这些基础的代码是需要人工撰写。“像这些底层的代码，我们基本上现在都是交由来完成。”刘的阳说，目前公司的量化系统在搭建阶段，就编写代码这一基础工作量来说，相当于一名专业高级程序员。
百亿量化私募思勰投资合伙人、总经理吴家麒对记者表示，在目前的阶段，主要是对量化编程进行一个效率的提升，而非人工替代。“首先，一个完全不懂编程和量化的人是无法调动来做这些工作；其次，量化策略背后逻辑框架的构建，是完全无法替代人工的。”他说。
并非人工替代
记者了解到，对于量化投资，主要是基础代码编程效率上的提升，并非投资策略研发的替代。
“能够‘写代码’是因为GPT模型的预训练数据中包含大量源代码，所以它可以按照提问信息来预测用户所需要的代码。”刘斌表示，背后是一种人工智能大语言模型，从大量的文本数据中学习语言的通用特征，例如词语之间的关系、句子结构、语法和上下文信息等，完成一种有逻辑的表达回答用户的问题。相较于人脑，它背后的数据、语义、资料更多，但仅靠大语言模型并不能理解代码背后的意图，也无法在股票市场无法完成一个精确的投资。
刘斌举例说，“化工行业的定价逻辑”“白酒行业过去几年的表现规律”这些问题等大语言模型在金融场景落地后是能够回答的，因为在过去的研报中可以找到很多类似的论述。
但“某个股票怎么样？”这个问题，它是无法给出一个准确的答案的，未来需要投研人员先确立一个选股框架，它可能会帮忙找出来。
吴家麒也进一步举例论证道，现在市场上很多数据和信息都是噪音，可能只有1%的有效信息。如果基于所有的信息进行拟合，可能出来的策略是无效的，或者说通过它在金融市场上来更迭量化策略，选取有效因子，效率会比较低。
但多位业内人士同时向记者提到，未来或会诞生能够熟练应用AI的“提问工程师”这一职业。同时，量化投资在招聘时，量化模型的主观架构能力会更被看重。“只有在对策略和模型有清晰认知的前提下，我们才能调动AI提高工作效率。”刘的阳表示。
暂不可接入投研系统
既然能够提升投研人员的工作效率，那么能否类似于微软将人工智能大语言模型技术引入一样，将接入基金公司的投研系统？
目前，针对这一问题多位业内人士对记者表示：可以接入人工智能大语言模型技术，但目前不行。
恒生电子首席科学家白硕近期在一场公开演讲中表示，基于金融行业特有的行业属性，大规模商用的技术对于准确性、可控性、时效性有很高的要求，并且需要具备很强的专业性、逻辑性和创造性。
同时，基于自主可控和数据安全的考虑，直接应用公有云上的大语言模型可能并不适用于资管机构。
“由于项目并不完全开源，目前对于投研端来说是一个技术黑箱，大家不清楚它输出内容的逻辑，它输出的内容可能和市场、和投研人员理解偏差很多。”某位业内人士对记者表示。
刘斌则提到，目前，投研系统接入类似的大语言模型，合规是首要面对的问题，可能存在信息泄漏的风险。也许等到国内的人工智能大语言模型在金融行业优化落地后，未来部署在本地，投研系统或可能实现接入类的功能。
业内人士表示，目前在公募、私募行业，类似于的人工智能技术或可最先应用于客服问答、研究辅助等领域。
