21世纪经济报道记者陈植上海报道

ChatGPT的迅速崛起，让私人股本基金看到了投资和研究能力的新提升空间。

“对于量化私募基金来说，其投研能力的高低很大程度上取决于三大因素。一个是数据能力。现在越来越多的行业级量化私募基金都有几百TB的数据，另外就是算法能力，包括深度学习、文本挖掘等算法能力。持续升级；第三是交易能力，比如通过低延迟技术研发，将交易时间从20微秒降低到2微秒。”宽邦科技CEO梁菊告诉记者。ChatGPT的兴起，恰恰给量化私募基金的数据挖掘和算法升级带来了新的想象空间。

以往量化私募基金往往会获取预先编写好的结构化数据信息，但在ChatGPT中，我们可以用自然语言与私募基金的量化投资建模者交流，用通俗易懂的语言解释那些结构化信息数据。一方面帮助私募基金的量化投资建模者更准确地发现交易性投资机会，另一方面可以根据这些建模者的需求在投研报告中呈现相关信息数据，大大提高了投研效率。

梁菊向记者透露，目前他们正在尝试将ChatGPT与量化投资和研究能力输出相结合，比如用ChatGPT辅助写代码。在一些简单的代码编写上，ChatGPT甚至取得了比很多工程师都多的成果。

“未来，我们希望各类投研报告能够放入统一的预训练模型中，让私募基金可以直接提问，通过自然语言交互，获得他们想要的分析师的观点，以及一些上市公司的投研报告作者的情绪，甚至是每天金融市场不同交易时段的市场分析报告要点。”他指出。

在上海孟茜投资管理有限公司总经理李翔看来，ChatGPT的崛起也表明ai技术在量化私募基金领域的应用越来越广泛。

“今年我更看好中证500和中证1000指数增强策略，但在超额收益获取方面，中证1000指数增强策略更适合擅长量价相关研究、AI应用能力突出的私募机构。因为它需要更强的数据处理维度能力，其可预测性高于线性模型。因此，我们的数量模型应该与数量因素密切相关。如果AI深度学习能力更好，超额收益获取能力会高于中证500指数增强策略。”他指出。

朝阳永三首席金融工程师陈石向记者指出，目前ChatGPT在提升量化私募基金投研能力方面最直接的表现就是帮助后者更准确地把握投研报告作者对被调查上市公司的情绪。

“这也是文本挖掘技术急需改进的突破口。以往量化私募基金在提取投研报告要点时，往往只看到纯结构性的信息数据，并不能完全理解作者对上市公司的情绪，可能对报告中呈现的投资价值判断缺乏更敏锐的洞察。但是chatGPT通过自然语言交互有效地解决了这个问题。”他说话坦率。未来，基于ChatGPT更广泛的应用，第三方数据研发机构可以提供个股研究报告的情绪得分，个股专家的情绪得分与预期一致，情绪指数的变化，行业股票的分析师等。从而帮助量化市场对相关股票投资偏好的微妙变化。

ChatGPT如何加强量化私募股权投资和研究的能力

在陈石看来，ChatGPT的兴起让很多量化私募“脑洞大开”。比如有的私募机构给ChatGPT一份投资研究报告，要求其根据自身需要找出相关报告的摘要；也有私人股本机构正计划利用

第一阶段以语言统计模型为主，方法比较简单。——给它一个句子，让它剪成单词，根据上下文预测其中一个单词的出现概率。但是，这种模式有两大痛点。第一，文本语义识别能力不强。比如对于语言统计模型，“你喜欢我”和“我喜欢你”是同一个意思；第二，当文本较多时，句子统计模型的某个文本权重矩阵会有偏差，不利于算法模型的运行。

第二阶段，诞生了词向量模型，有效解决了上述两个痛点，也解决了切词后文本信息丢失的问题。然而，词向量模型也有一些缺陷。第一，词的向量是唯一的，无法区分一些多义词的多重含义。二是模型训练时容易出现维度“爆炸”，训练过程是串行的，导致计算资源消耗巨大，训练时间长。

记者获悉，这导致前两个阶段的自然语言模型只能处理相对简单的任务，如简单的文本分析、情感分析和主题模型构建，而无法处理复杂的任务。变压器技术的兴起彻底改变了这种情况。

原因是Transformer解决了自然语言模型的注意机制问题，即通过词与词之间的相关性训练，会为每个词设置单独的权重曲线，通过并行训练的模式，大大提高了训练速度。正是Transformer技术的兴起，将自然语言模型引入到第三发展阶段的——预训练语言模型中，即可以通过训练“提取”文章主题、相关逻辑和内容数据，并整合成新的文本，供读者阅读。

记者了解到，如今的预训练语言模型有两种代表性的技术，一种是GPT，另一种是BERT。前者重新训练自己的结果，输入到模型中，适合文本生成。后者更适合通过上下游训练进行语言理解，可用于文本生成、更深层次的语义情感分析和阅读理解、信息检索和问答对话。

梁菊告诉记者，如果把AI模型分为两类，一类是分析型AI，一类是生成型AI。前者主要类似于一个搜索引擎，提供一个分析结果和预算，后者是生成用户需要的信息文本。

“ChatGPT属于后者，它经历了几个发展阶段。如今，ChatGPT3.5版本拥有超过1700亿个参数，预计4.0版本的数据参数可能会扩大100倍。

记者多方了解到，目前个别大型量化私募基金已开始尝试使用ChatGPT撰写投资策略代码，因为金融投资的文本信息需求，主要涵盖投资者与媒体的关注度；管理层、投资者与媒体的情绪；财务报告文本可读性；新闻的隐含波动率指数；投资者分歧；行业分类等六类，数据来源来自搜索指数、股吧数据、上市公司报告、上市公司电话会议等，若能将这些数据收集起来与词向量模型匹配，再通过ChatGPT按照自身要求生成更通俗易懂的自然语言文本，就能对行业相关上市公司各类信息的了解更加全面精准，从而促进投资策略的迭代升级与精准投资决策。

陈实告诉记者，目前量化私募基金提升数据与算法能力的迫切需求，主要表现在两方面，一是从分析师报告提取分析师的情绪，再做预测。二是对分析师报告股价同比性做研究，甚至建立分析师文本因子以预测未来个股投资的超额收益率。但这都需要ChatGPT的自然语言交互功能，以便私募基金更好地理解分析师在报告里的“情绪”与对上市公司投资价值的“预判”。

在李骧看来，包括chatGPT等AI能力的持续发展，对量化私募基金提前洞察投资风险也有着较大的促进作用。比如随着量化私募行业规模增长，高频策略的集中度日益提高，令机构获取高频策略超额回报的难度增加，驱动高频策略私募纷纷拓展中低频策略，但这需要私募机构需不断优化风控能力，包括设定其他人尚未发现的风险点并进行求解。各类AI能力的持续发展，将有助量化私募基金风控能力的不断优化。

产品路演与投资者交互的新应用

记者获悉，随着ChatGPT兴起，越来越多私募基金开始尝试用它做更多工作。

梁举向记者透露，在ChatGPT刚面世时，他们将它应用在私募策略能力开发环境里，一是私募机构可以用ChatGPT纠正他们所写的代码；二是根据私募基金投资者对产品的询问，ChatGPT可以自动分析询问内容并生成文本，有效解决投资者与私募基金的某些投资纠纷。

一位主观策略私募基金负责人告诉记者，近期他们发现不少投资者都会询问为何去年产品净值回撤幅度较大，目前他们正在尝试通过ChatGPT生成文本解答。

“我们也不善于与投资者沟通，以往解释净值回撤的话术比较生硬，容易引发更强烈的投资者矛盾，如今ChatGPT可以用更柔和的话术向投资者解释净值回撤较大的原因，反而更能赢得他们的理解。”他直言。比如他们的某些投资策略需要2-3年才能收获理想回报，但期间可能因市场环境变化出现不小的净值回撤幅度，以往他们都是站在机构角度回复，导致语句比较生硬，让投资者感到不适，但ChatGPT更容易站在投资者立场做回复，更能赢得投资者认可。

但他表示，随着ChatGPT发展，它未必能彻底能替代基金经理与投资者的沟通，因为涉及到未来投资策略的优化，他们仍需“面对面”与投资者沟通，争取投资者同意修改基金的某些投资条款。

记者获悉，目前不少私募基金还在尝试将ChatGPT作为产品募资路演的“新工具”。以往，他们在产品募资路演期间介绍投资策略时，总是会搬出一大堆专业术语，但很多高净值投资者对此未必理解，导致彼此在投资策略与投资理念方面出现某些偏差，令私募错失不少客户。

如今，他们会将某些专业术语通过ChatGPT转化成通俗易懂的自然语言文本展现给潜在投资者，争取他们对投资策略的更精准理解，从而提升募资效率。

“未来，ChatGPT在私募领域会有多大的应用，仍是未知数。但可以预见的是，AI不会取代人，但会用AI的人会取代不会用AI的人。”梁举直言。