最近遇到好幾個(gè)客人的咨詢，都提到用AI來做投資理財(cái)決策。

今天這篇聊聊，這條路是否靠譜。

01

開篇還是寫復(fù)盤下，過去2年來，我們對(duì)Ai的系列文章和觀點(diǎn)。

22年以來，老南多次提醒大家，一定要高度重視這輪AIGC，以及其擴(kuò)展發(fā)展。

第一次，是22年9月，寫了《工作又保不住了？這事聽了后，有點(diǎn)慌》。

告訴大家AI作畫，真的可以替代人工了，并提醒，如屬于“重復(fù)腦力勞動(dòng)”的你，要焦慮下了。

當(dāng)時(shí)評(píng)論中，還有不少網(wǎng)友覺得，可能性不大，很多事還很遙遠(yuǎn)。

第二次，是在22年12月初的《2023年如何理財(cái)——到底了嗎？》，專門深度討論了AIGC。

并提到，以Chatgpt為代表的AIGC，即將引發(fā)第四次工業(yè)革命。

第三次，是23年2月的《都在捧ChatGPT，還記得波士頓動(dòng)力？》：

對(duì)于AI的下一步發(fā)展，我們關(guān)心一個(gè)核心問題就夠了：能否大規(guī)模解放生產(chǎn)力。
對(duì)于AI，雖然目前還在比較早期的階段，但還真要高度關(guān)注下，尤其是其運(yùn)作機(jī)理。
搞不好真有可能加速第四次工業(yè)革命，我們的工作、生活、教育，甚至政治、軍事，都會(huì)受到不小的顛覆。

02

第四次，是24年1月，寫了《機(jī)器人正在搶走你的工作》：

隨著AIGC的快速成熟，機(jī)器人的智能化在快速進(jìn)步。老南接觸了不少專門投硬科技的PE，發(fā)現(xiàn)大家都有個(gè)共識(shí)，就是機(jī)器人的應(yīng)用，已進(jìn)入突破前沿，即將進(jìn)入爆發(fā)期。

第五次，是24年10月，寫了《幻方退出，中性策略產(chǎn)品還能買嗎？》：

如果有興趣的，可以搜下DeepSeek，這個(gè)模型即使在硅谷，也是贏得尊重的，因?yàn)閲鴥?nèi)很多大模型，是fellow海外開源模型，主打一個(gè)抄字。而幻方提出的一種嶄新的MLA，對(duì)模型架構(gòu)進(jìn)行了全方位創(chuàng)新。

在那個(gè)時(shí)候，國內(nèi)還并沒有太多人，意識(shí)到這個(gè)模型，是幾個(gè)月后會(huì)大殺四方。

第六次，是25年1月，不過沒發(fā)在公眾號(hào)，寫在了“16號(hào)內(nèi)參里：

和某金融機(jī)構(gòu)總部的HR朋友聊天時(shí)得知——現(xiàn)在AI面試也普遍起來了，可以進(jìn)行40分鐘的深度對(duì)話，并在對(duì)話后對(duì)面試人給與評(píng)價(jià)。
至于準(zhǔn)確度如何，HR答：優(yōu)于人類均值80%以上。

看到這里，大家一定會(huì)驚嘆于AIGC的進(jìn)化速度，并也會(huì)關(guān)注，這個(gè)工具對(duì)投資理財(cái)?shù)膸椭?/p>

03

對(duì)此，老南自己最近做了不少測(cè)試，也和一些業(yè)內(nèi)的朋友進(jìn)行了一些交流，對(duì)此一些觀點(diǎn)供大家參考。

無論是國貨之光Deepseek，還是Chatgpt，這些大模型的一個(gè)共同點(diǎn)，都是通過互聯(lián)網(wǎng)或?qū)?yīng)的數(shù)據(jù)標(biāo)記學(xué)習(xí)，推理，得出結(jié)論。

這就產(chǎn)生了第一個(gè)問題，即僅能對(duì)歷史公開信息進(jìn)行分析和推理。

也就是說，你用這個(gè)工具，協(xié)助做一些金融理財(cái)類的公開信息檢索、整理、總結(jié)，提高效率是沒問題的，但對(duì)未來進(jìn)行判斷，會(huì)產(chǎn)生很大的問題。

舉個(gè)例子，如國內(nèi)目前私募產(chǎn)品的凈值披露去年因?yàn)楸O(jiān)管原因出現(xiàn)了斷層，而且因?yàn)樗侥碱惍a(chǎn)品的披露限制，互聯(lián)網(wǎng)上關(guān)于私募產(chǎn)品、策略的信息存在大量的滯后性和不完整性。

在這樣的條件下，你指望AI做出靠譜的分析，是顯然不可能的。

我自己嘗試了去分析幾個(gè)私募，從推理過程很容易的看出，基本都是復(fù)制粘貼一些現(xiàn)成的文章、報(bào)告，不少觀點(diǎn)錯(cuò)誤的離譜。

當(dāng)然，這個(gè)問題也不是無解，即有鈔能力的投研機(jī)構(gòu)，自己部署一套本地模型，把各種盡職調(diào)查搜集到的內(nèi)部數(shù)據(jù)、信息等輸入進(jìn)去讓模型學(xué)習(xí)分析，進(jìn)行輔助判斷。

但公開免費(fèi)試用的大模型，缺乏這些數(shù)據(jù)，顯然得不出靠譜結(jié)論。

第二個(gè)問題，對(duì)公開信息分析層面過淺，缺乏深度穿透。

舉例而言，我嘗試讓DS推薦，某行業(yè)優(yōu)秀的主動(dòng)管理型行業(yè)基金，通過推理過程的觀察，發(fā)現(xiàn)其主要結(jié)論來源，是基于互聯(lián)網(wǎng)上一些網(wǎng)友分析、券商研報(bào)，綜合得出結(jié)論，還是復(fù)制粘貼為主。

但完全沒有穿透這些公募基金的公開季報(bào)，做更詳細(xì)的持倉業(yè)績歸因，所以導(dǎo)致其結(jié)論在我看來，非常的不嚴(yán)謹(jǐn)。

包括看到一些海外做投資的，提到除了Perplexity AI和POE上的Web Search，大部分流行的AI模型，并無法給出某個(gè)基金最新13F的持股信息。

當(dāng)然，這個(gè)問題我也覺得有解，不過也依賴有鈔能力的投研機(jī)構(gòu)，自己部署一套本地模型，做金融分析方向的專門調(diào)教。

04

如果說前兩個(gè)問題有解，第三個(gè)才是最大的問題，即Ai給出的結(jié)論，更多是對(duì)過去的歸納，無法做未來的演繹。

有部分朋友給我了一些，通過AI生成的投資組合，歷史業(yè)績好的一腿。但這就是典型的后視鏡投資，很容易出現(xiàn)過擬合。

即我們會(huì)看到，不少投資組合、產(chǎn)品在實(shí)盤前，會(huì)有所謂模擬組合，業(yè)績都特別好，但一實(shí)盤，很快就不行了，這就是歷史數(shù)據(jù)過擬合的風(fēng)險(xiǎn)。

很多專業(yè)的量化投資的模型，都會(huì)通過一系列的方式方法，在大規(guī)模實(shí)盤前，進(jìn)行各種測(cè)試，調(diào)整，避免過擬合。

而且，投資本身就是在信息不對(duì)稱的前提下，對(duì)未來進(jìn)行風(fēng)險(xiǎn)定價(jià)。

而且，Deepseek的母公司幻方，本身就是量化私募，其過去兩年的對(duì)外產(chǎn)品業(yè)績，其實(shí)并不好，甚至很多策略條線，都沒達(dá)到業(yè)內(nèi)的平均水平。

如果Ai在投資上真這么強(qiáng)，那幻方的產(chǎn)品業(yè)績，早就頂級(jí)般的存在了。

我們寫這篇，并非給AIGC潑冷水，而是要提醒大家，任何一種工具，有優(yōu)點(diǎn)也自然有缺陷，要想用好它，一定要避開缺陷。

最近發(fā)現(xiàn)“DeepSeek”這幾個(gè)字母，正在成為新的“量子”、“紅外”、“納米”。尤其在投資理財(cái)上，務(wù)必謹(jǐn)慎參考，都是血汗錢。

最后提醒一句，一定要理解，AIGC輸出本質(zhì)，是基于統(tǒng)計(jì)的生成式，不都是真理。