Autor: Comentario de Inversión Yuanchuan
Un reciente informe de desempleo de Anthropic ha dejado la espalda fría a los profesionales financieros.
En el informe, la tasa de sustitución de puestos financieros alcanza el 94%, ocupando el segundo lugar entre todas las profesiones, pero la tasa real de sustitución actual es solo del 28%, lo que deja un enorme espacio para el futuro. Afortunadamente, el 30% de las profesiones casi no se ven afectadas, y los profesionales financieros aún pueden considerar oportunidades de reempleo como lavadores de platos o fontaneros.
Después de pasar mucho tiempo en la industria, siempre surge la ansiedad: los financieros viven en un mundo de "comparación", con evaluaciones de ventas y rankings de rendimiento presionando todos los días, y solo el no estudiar genera una sensación de inquietud.
Por ejemplo, después de las vacaciones del Año Nuevo Chino, los intermediarios financieros regresan a sus puestos de trabajo y aún están en modo pregunta-respuesta con el Chatbot, mientras que el compañero de la mesa de al lado ya tiene 8 langostas criadas, discutiendo apasionadamente sobre la subida y bajada del petróleo.
La industria financiera nunca rechaza la eficiencia, desde la negociación manual hasta la negociación programática, desde las ventas bancarias presenciales hasta la distribución en línea, todo es así. Pero esta vez, la IA no está reemplazando herramientas financieras ineficientes, sino a las personas ineficientes detrás de las herramientas. Después de todo, el costo más alto en la industria financiera son las personas, y detrás de las ganancias de las empresas de gestión de activos, se compara cómo gestionar más dinero con menos personas.
Por lo tanto, los fondos privados comenzaron a abrazar la capacidad de producción avanzada: Diewei Asset imparte cursos en línea enseñando cómo domesticar a un "investigador digital" que trabaja automáticamente 7*24 horas; Mingxi Capital usa Manus para generar automáticamente folletos promocionales para el aumento de dividendos, con un diseño que rivaliza con la alta gama de la era de las revistas. Incluso los clientes están más alerta, el gerente financiero acaba de recomendar un fondo privado popular, y ellos mismos inmediatamente preguntan a Doubao si deberían comprarlo.
La industria de fondos privados se está acercando gradualmente a su momento 'Detroit: Become Human': investigación, operaciones, ventas, cada eslabón de esta cadena madura ya está comenzando a ser reemplazado.
Salario VS Costo de Token
En un entorno competitivo con altos costos operativos y Alpha cada vez más difícil de obtener, la relación eficiencia-persona es un indicador que los jefes de fondos privados intentan optimizar cada noche antes de dormir.
En la cadena de fondos privados, los investigadores generalmente tienen salarios altos. Según datos de Mulifi, el salario anual de un investigador cuantitativo de acciones suele estar entre 800,000 y 1.5 millones de yuanes; los investigadores subjetivos tienen salarios ligeramente más bajos, pero de vez en cuando se ven incentivos impactantes: a principios de año, un investigador subjetivo de cien mil millones recibió un bono de fin de año de más de 20 millones de yuanes por recomendar Nvidia.
Si un fondo privado puede lograr una investigación basada en IA, ahorrará costos de decenas de millones; si puede trabajar 24 horas al día, reduciendo el costo por hora y aumentando la producción, todos esos gastos de viaje, horas extras, transporte y subsidios de comida que antes se deducían del Carry del jefe, la IA no los cobra.
En la gestión de activos, todo progreso tecnológico se reduce a dos palabras: mejorar la eficiencia y reducir costos. A los jefes de fondos privados no les importa si la IA puede pensar como un humano, solo les importa si el trabajo se puede hacer.
Al respecto, Howard Marks hizo un cálculo económico: si se puede producir el análisis de un asistente de investigación con un salario de 200,000 dólares anuales, para quien paga el salario no importa si es pensamiento real o solo coincidencia de patrones; lo clave es si los resultados son lo suficientemente confiables para tener valor de uso.
Después del Año Nuevo Chino, 8 equipos de ingeniería financiera de casas de bolsa publicaron colectivamente tutoriales de "crianza de langostas", acelerando personalmente el proceso de sustitución de investigadores humanos. Probaban OpenClaw, que puede producir activamente resultados de investigación como un humano.
En la app Jinmen, una presentación de Jinmen Financial Engineering llamada "OpenClaw: de principiante a experto" fue reproducida 4839 veces; Xu Jianhua del Noreste recomendó 20 habilidades que aumentan la eficiencia de la investigación diez veces; Cao Chunxiao de Fangzheng usó la langosta para replicar la estrategia PB-ROE, la estrategia de selección de acciones por forma de asa de taza y la minería y backtesting automatizado de factores.
Da que pensar: es como actualizar simultáneamente los paquetes de habilidades de Buffett, O'Neil y Simons.
Trader amante del aprendizaje
Los vendedores explican con esfuerzo, los compradores aprenden con entusiasmo. Un fondo privado de Beijing, por miedo a contaminar la máquina principal, les dio a los investigadores una computadora y un subsidio de 50,000 yuanes en tokens, específicamente para criar langostas [1].
Yang Xinbin de Snowball Asset Management crió dos investigadores langosta. Dijo que cada día habla más con la IA que con personas, y que un Agente de IA criado de forma independiente puede hacer en dos días el trabajo que un investigador cuantitativo maduro hace en seis meses, o incluso más, con mayor potencial.
Paul Wu de Qinyuan Investment fue colocando gradualmente la IA en varios departamentos. Sintió que la IA puede cerrar el ciclo en algunos roles de trabajo, funcionando e iterando de forma independiente. Prevé que, en un futuro cercano, los gastos de la empresa se convertirán en la compra y mantenimiento de un analista inteligente de Apple, y más adelante quizás en un asesor de cartera Paul.
En el pasado, muchos fondos privados sufrían desgaste en la conversión de la investigación: los investigadores pensaban que los gestores de fondos no servían, y los gestores de fondos pensaban que los investigadores eran inútiles. La aparición de OpenClaw les mostró por primera vez a los jefes de fondos privados una posibilidad completamente nueva: no tener que soportar el desgaste interno de磨合 con investigadores mediocres, ni preocuparse por que los investigadores clave sean reclutados por la competencia con salarios altos.
Por sus características, la langosta satisface todas las fantasías de los gestores de fondos sobre un investigador: trabaja todo el día, sin vacaciones ni holgazanear; memoria a largo plazo沉淀, datos clave los dice de inmediato; absolutamente leal y obediente, no se va por su cuenta con la estrategia central; se actualiza continuamente, no como el viejo investigador que se obsesiona con su dependencia del camino y es淘汰 por la era.
Si en el futuro el costo del token de silicio es mucho menor que el salario de carbono, ¿cómo podrán los jefes de fondos privados rechazar a un investigador de IA obediente, útil y que se puede ajustar y criar?
La sustitución no es solo por la langosta
Los fondos subjetivos aún sopesan si el costo del token vale la pena, mientras que las grandes fábricas cuantitativas, con su infraestructura de computación propia, ya han comprimido el costo del token a niveles extremadamente bajos. Pero frente a esta热潮, se muestran anormalmente tranquilos.
"OpenClaw para el círculo tecnológico cuantitativo no es más que un semi-producto类似 juguete", me dijo una persona de un importante quant de Shanghai. Su significado radica en reducir el umbral técnico para las instituciones subjetivas y los minoristas, proporcionando una ruta clara de recuperación de costos para las grandes inversiones iniciales en infraestructura de las empresas de modelos grandes, pero tiene poco significado para entornos de producción serios como la inversión cuantitativa.
Otra persona de un quant líder se expresó de manera más directa: la langosta en el círculo financiero es como una传销. OpenClaw tiene características de aleatoriedad, no sistematicidad, baja seguridad, etc., que traen una enorme incertidumbre a todo el sistema cuantitativo.
OpenClaw no es una fuerza productiva avanzada en el círculo cuantitativo, Cui Yuchun de Xuntu Technology cree que no hay necesidad de preocuparse:
La langosta en la optimización de Agent, capacidad de uso de herramientas (que involucra navegador de investigación, escritura, análisis de datos, etc.) es incluso significativamente más débil que Agent como Manus y Kimi. Para un investigador sin antecedentes de programación, necesita 5-10 horas para implementar, iniciar, la mayoría de las tareas no pueden obtener resultados por encima de 60 puntos.
Cuando los minoristas usan la langosta con China Stock Analysis Skill para seleccionar acciones, es como abrir la puerta a un nuevo mundo, los cuantitativos ya han construido plataformas Multi-Agent (multiagente), con un arsenal de Agent más rico, formando una aplastante superioridad sobre la langosta. Sin embargo, el funcionamiento de este poderoso sistema未必 necesita más humanos.
Los sistemas tradicionales de investigación cuantitativa suelen adoptar una arquitectura de línea de producción: limpieza de datos → cálculo de factores → predicción de modelos → optimización de cartera. Al entrar en la era de la IA, algunas instituciones comenzaron a simplificarlo como分工 de roles → uso de herramientas → diseño de flujo de trabajo, al estilo del顶级 quant Man Group. El trabajo estandarizado y repetitivo gradualmente es reemplazado por AI Agent, ya no se necesitan tantos investigadores siendo alienados en la fábrica de sudor de factores.
Por ejemplo, el sistema multiagente Apollo AI de Xiyue Investment, AI Agent está incrustado en todos los aspectos de la investigación, datos, trading, operaciones, el fundador Zhou Xin lo describe como tener setecientos u ochocientos empleados de IA más.
Delante, la aplastante superioridad科幻式 de los cuantitativos "fábricas sin humanos", detrás, los minoristas con OpenClaw reduciendo la brecha de información, los gestores de fondos subjetivos en la zona de eficiencia intermedia se encuentran en una situación bastante incómoda: viendo la información producida con esfuerzo por los investigadores, arriba siendo降维打击 por los cuantitativos, abajo siendo步步紧逼 por los minoristas,不可避免地陷入 la prisa del FOMO.
Durante el Año Nuevo Chino, revisé el informe anual de un importante gestor subjetivo de Shenzhen, quien se lamentó de que los gestores de fondos tienen expectativas demasiado altas sobre los investigadores:
Los gestores de fondos esperan que los investigadores sean sensibles al mercado, alerten oportunamente sobre oportunidades, den investigación y juicio领先同行, incluso que se mantengan siempre en el "círculo central". Un investigador que pueda hacer esto, ¿por qué还需要 un gestor de fondos? Podría hacerse rico trading por su cuenta, ¿por qué还需要 servir a un gestor de fondos?
Entonces, bajó sus expectativas: el investigador solo es responsable de investigar标的 específicos y problemas, no necesita descubrir oportunidades ni dar recomendaciones de inversión, todo eso es trabajo suyo como gestor de fondos.
Pensándolo al revés, si lo que el gestor de fondos subjetivo necesita es solo alguien que no se adentre en la primera línea del núcleo industrial, que solo haga seguimiento de标的 con análisis de escritorio, ¿no será el siguiente paso para ese investigador ser reemplazado por un AI Agent?
Epílogo
Estando en el mercado de valores chino, estos dos años se siente como si hubieran presionado el botón de acelerar.
Especialmente en la primera mitad del año, hay muchas cosas. El año pasado, Deepseek se lanzó en el Año Nuevo Chino, en las vacaciones de Qingming Trump impuso violentamente impuestos, y este año en el Año Nuevo Chino todos criaban langostas, antes de que terminara el primer mes lunar, Oriente Medio已经开始 a guerrear. El cerebro de los financieros siempre está sobrecargado, ya no recuerdan cuándo fueron las últimas vacaciones en las que no tuvieron que estudiar. Al menos como editor, la capacidad de cálculo del cerebro humano ya no es suficiente.
En mi印象, hace dos años, al交流 con gestores de fondos para escribir artículos, siempre los escuchaba usar una frase incómoda con alegría para describir su estado laboral: "Cada día voy bailando tap al trabajo". Pero en los交流 de estos dos años, hablan sin sonreír sobre la "iteración" organizada por el equipo, la "iteración" de la理念 de inversión, la "iteración" del认知 de la industria.
La IA avanza tan rápido, la competencia进步 tan rápido,似乎也唯有 iterar, para no ser淘汰.
La industria está demasiado ansiosa.
La IA no comprende la naturaleza humana, no puede predecir en el mercado de valores chino, abarrotado de minoristas, si en este momento se está negociando la tercera derivada o la quinta derivada; la IA难以共情, no puede entender por qué alguien que ha estado atrapado en las Dos Botellas de Petróleo durante tantos años, aún las mantiene至今, solo esperando el día de desatarse; la IA无法担责, no será bloqueada en la puerta por inversores que perdieron el 30%, ni necesita憋 cartas de disculpa reflexionando sobre el alma,检讨自我.
Si en el futuro la IA reemplaza a todos los gestores de fondos e investigadores, entonces la hipótesis del mercado eficiente se cumplirá, no habrá所谓的 Alpha, y casi no aparecerá otro Buffett.
Así que la verdadera pregunta es, en la futura industria de gestión de activos, cuando la IA se haga cargo de desenterrar datos, ejecutar modelos y escribir informes, ¿qué le queda a los humanos? Lo que queda es precisamente el amor por la inversión, la intuición frente a la incertidumbre, y la razón para quedarse incluso cuando te dicen que investigas peor que la IA.
No podemos cambiar la tendencia de que la proporción de IA siga aumentando, pero podemos cambiar la mentalidad de内耗 de estar siempre ocupados应对, cansados de追赶.
Como en el juego "Detroit: Become Human", la elección final que el jugador debe hacer no es eliminar la IA, ni someterse a ella, sino decidir qué papel deben desempeñar los humanos y la IA.
