2025年投研范式的革新：当大模型遇到大资管

大资管新趋势

“资产荒”形成：经济增长中枢下移，基础资产收益率下降

促改革、调结构，但经济增长中枢再下台阶是必然趋势。2014年我国积极加 速推动高质量发展转型，加快构建“双循环”发展格局，预计未来经济中枢 仍将保持在较好水平。但全球新经济发展格局下，我国经济增速中枢已难以 回到城投地产投资主导时代的高水平。 随着经济增速下台阶，我国基础资产的收益率持续下行。近年来十年期国债 收益率中枢下移，居民主要配置的金融资产（存款和理财产品）收益率也跟 随下行。预计随着经济增长中枢的进一步下移，无风险收益率将继续下降。

非标转标是投融资双方共同转型目标

投资方角度，出于监管政策和市场环境变化，银行理财、信托资产、保险资产等传统的非标资产配置大户，近年来非标配置占比持续下降。其中，银行理财配置非标占比已降至约5%、信托资产配置证券市场产品比例提升至约40%、保险资管配置非标占比（这里将除银行存款、债券、股票和基金以外的投资资产统一视为非标）降至35%以下。 融资方角度，非标融资方式监管持续强化，融资规模受到压制。但是，融资方仍需要资金来源用于生产经营，以及改善报表和盘活存量资产。因此，转向标准化市场进行融资成为必然选择。

资产证券化是非标转标的主要形式

以REITs为例，通过“公募+ABS”的结构，成功地匹配投融资双方的需求。根据证监会的定义，我国公募REITs具有四大特点：一是80%以上基金资产投资于ABS，并且持有ABS的全部份额，即公募基金通过ABS持有底层项目公司全部股权；二是基金通过ABS和底层项目公司等SPV取得项目完全所有权或经营权利；三是基金管理人主动运营管理基础设施项目，以获取项目租金、收费等稳定现金流为主要目的；四是封闭式运作，收益分配比例不低于合并后基金年度可供分配金额的90%。

多资产、多策略是资管行业发展趋势

伴随居民寻找收益和控制风险的需求增长，多资产、多策略将主导资管行业未来发展趋势。一是资管规模增长，银行理财、公募基金、保险、信托等产品面对客群有重叠也有差异，不同产品能够满足不同投资者的偏好和需求。二是金融产品丰富，QDII、可转债、ABS、黄金、商品、衍生品、绝对收益、REITs等产品大幅丰富了投资市场，为资管行业构建多资产投资范式打下基础。 截至2024年底，银行理财、公募基金、保险资管、信托、私募基金、私募资管等主要资管机构合计管理规模已经超过150万亿元，规模连年保持增长。

机构持有被动产品占比稳步提升

指数化投资当前的发展动向契合本次《方案》中指数化高质量发展目标。被动股基角度，机构持有净值占比从2020年的44%升至2024H1的59%，2023年及2024H1上升最为明显，主要因为中央汇金及保险资金投资被动股基显著增长。被动债基角度，2022年，因同业存单指数基金大量发行，个人投资者持有被动债基占比在当年大幅提升。2022年以来，由于利率下行、股市波动等影响，保险资金、银行理财和商业银行资金加大债券ETF投资，机构持有被动债基的净值占比从2022年的78%升至2024H1的86%。总结来看，机构投资者持有被动基金的净值占比提升，机构投资者的需求变化对被动基金发展的影响也更加深刻。但同时，个人投资者持有被动基金的净值仍然保持增长，只是增速未及机构投资者。

大模型新突破

DeepSeek推理能力与世界领先的大模型不分伯仲

DeepSeek-V3 发布时，在推理速度上相较历史模型有了大幅提升。在目前大模型主流榜单中，DeepSeek-V3 在开源模型中位列榜首，与世界上先进的闭源模型不分伯仲。此后发布的DeepSeek-R1深度思考模型，推理能力进一步提升。

DeepSeek是当前高于特定MMLU的成本最低的大模型

MMLU是指多任务语言理解基准（Massive Multitask Language Understanding），用于评估模型综合能力，分数越高性能越强（42分通常对应中小规模模型的基线水平）。 伴随时间推移，算力增强和算法快速进步，AI成本下降较快。DeepSeek V3的每百万tokens的成本（价格中位数计算，MMLU高于特定分数）当前已经是大模型中最低，仅仅略高于1美元/百万tokens。

金融机构是大模型应用的“急先锋”

金融机构积极探索金融科技赋能业务发展，将大模型作为未来核心的技术战略方向。在大模型落地案例中，金融行业占比高达36.7%，是占比最大的行业。其中，银行占比15.4%、证券8.8%、保险6.5%、其他金融6.0%。金融行业天然具有数据属性和良好的数字化基础，同时金融企业和机构具备强烈的数智化升级需求与多样化的业务需求，以及对新兴技术的较高接受度与资金支持度。包括证券、银行、保险、期货、财富管理等在内的所有金融细分行业的每个场景，AI都有用武之地。

证券领域：AI大模型赋能业务服务、内部运营和监管科技

AI赋能证券业务可以分为业务服务、运营管理和监管科技三大类。业务服务主要包括智能投行、智能投顾、智能投研、智能投资、智能营销、智能客服等场景；运营管理包括智能风控、智慧运营、智能办公等场景；监管科技则涉及身份识别、监管数据支撑、风险预警等场景。多模态大模型的识别、智能搜索、文本处理、文生文、文生图等能力是AI得以应用的基础。 国内某证券公司大模型集成平台通过构建基础设施层、平台层、服务层和应用层四层架构，以公有云、私有云为算力基础、数据为训练语料对模型进行训练，训练出感知AI、认知AI、生成式AI和RPA，应用于内部管理、投研、投顾、投教、合规简报生成和IT研发代码生成等领域。

进化终局：AI+HI的协同

AI大模型赋能智能投资的实践研究

一般来讲，股票的投资决策是新闻里标的公司重要事件、公司的财务状况、股价相对于竞争对手和市场的表现以及宏观经济环境的函数，即股价S=f（时事新闻，公司基本面，股价表现，宏观经济状况），AI赋能投资即是对映射关系f进行训练。

新闻提取器主要负责新闻的获取、浓缩和制作股票最具影响力新闻的渐进式概要。可以让AI大模型模仿金融分析师的角色，其任务是通过整合各种类型的信息来合成特定股票的更新摘要，训练模型在整合最新公司发展、市场动态和战略策略方面的自适应能力。

基本面总结器通过获取和比较最近的季度财务报表，深入研究盈利能力、收入轨迹、债务指标和现金流动态等方面。这种对最新数据的关注使AI大模型能够检测财务业绩的变化，并尽可能将其与新闻相关联。基本面总结器旨在对公司的财务状况进行公正、真实、客观的概述，避免任何直接投资建议。 

股价动态摘要生成器不仅收集目标股票股价变动数据，还根据公司描述和行业将其表现与五只最相似的股票进行比较，并与标准普尔500 指数所代表的市场环境进行比较。股价摘要生成器分析关键财务指标，包括 3 个月、6 个月和 12 个月的累积回报和夏普比率，并计算波动性、相关性和最大回撤。目标是提供股票与类似公司市场动态和整体市场趋势的多维视图。

宏观经济摘要生成器首先将宏观经济报告和文章转换为文本形式。随后，组件利用大模型总结各个报告，然后将这些单独的摘要浓缩成一个全面的概述。目标是提供关于宏观经济状况、央行政策、首选行业或国家以及地缘政治趋势的共识观点。

操作信号生成：基于新闻数据、基本面数据、股价表现数据和宏观经济数据，运用AI大模型对不同类别的数据进行权衡和推理的能力，作出投资机会提示。

AI+HI：智能投资演变终局

AI大模型对投资交易更多是技术赋能，而非直接替代。可深度学习、可复制的投研框架交AI模型化，AI提示投资机会，人工复核。 按照胜率和赔率两个维度我们将所有投资机会分为四个象限。第二象限基本面不佳+估值便宜，属于潜力区域，把握投资机会仍需要人工深度研究商业模式和内在价值；第一象限基本面佳+估值便宜，属于可模型化的投资机会，AI提示机会人工复核；第四象限基本面佳+估值高，把握投资机会需要人工深度研究公司前景；第三象限基本面不佳+估值高，属于回避区域。

报告节选：

编辑：火腿肠