Автор: Юаньчуаньское инвестиционное обозрение
Недавний отчет Anthropic о безработице заставил финансовых работников похолодеть от ужаса.
В отчете уровень замещения финансовых должностей достиг 94%, заняв второе место среди всех профессий, но фактический уровень замещения в настоящее время составляет всего 28%, что оставляет огромное пространство для будущего роста. К счастью, 30% профессий практически не затронуты, и финансовые работники могут рассмотреть возможности переквалификации, такие как мойщики посуды, сантехники и т.д.
Проработав в отрасли долгое время, всегда чувствуешь тревогу — финансовые специалисты живут в мире «сравнений», ежедневно находясь под давлением оценок продаж и рейтингов эффективности, и любое отсутствие обучения вызывает беспокойство.
Например, после окончания праздников Китайского Нового года финансовый сотрудник вернулся на рабочее место и все еще общается с чат-ботом, в то время как его коллега уже вырастил 8 лобстеров и горячо спорит о росте и падении цен на нефть.
Финансовая отрасль никогда не отказывается от эффективности: от ручных заказов до алгоритмической торговли, от офлайн-продаж в банках до онлайн-продаж — все так и есть. Но на этот раз ИИ заменяет не неэффективные финансовые инструменты, а неэффективных людей за ними. В конце концов, самая высокая стоимость в финансовой отрасли — это люди, а прибыль управляющих компаний зависит от того, как управлять большими деньгами с меньшим количеством людей.
Таким образом, частные компании начали внедрять передовые технологии: Diewei Asset проводит онлайн-курсы о том, как приручить «цифрового исследователя», работающего автономно 24/7; Mingxi Capital использует Manus для автоматического создания рекламных листовок для увеличения дивидендов, с версткой, сравнимой с эстетикой журнальной эпохи. Даже клиенты стали более проницательными: финансовый менеджер только что рекомендовал популярный частный фонд, а сам уже спрашивает у Douban, стоит ли его покупать.
Частная инвестиционная отрасль постепенно приближается к моменту «Детройт: Стать человеком» — исследования, операции, продажи, каждая часть этой зрелой цепочки уже начинает замещаться.
Зарплата VS Стоимость токенов
В конкурентной среде с высокими операционными затратами и все более труднодоступным Alpha, эффективность персонала — это показатель, который руководители частных компаний пытаются оптимизировать каждую ночь перед сном.
В индустрии частных инвестиций зарплаты исследователей обычно высоки. По данным Mulifi, годовая зарплата исследователей в области количественных акций обычно составляет от 800 000 до 1,5 миллиона юаней, зарплаты субъективных исследователей немного ниже, но иногда можно увидеть шокирующие бонусы — в начале года один субъективный исследователь из компании с активами в 10 миллиардов получил бонус в размере более 20 миллионов юаней за рекомендацию NVIDIA.
Если частная компания сможет наладить исследования на основе ИИ, она сэкономит десятки миллионов成本, а если ИИ будет работать 24 часа в сутки, снижая почасовую оплату и увеличивая производительность, то все расходы на командировки, сверхурочные, транспорт и питание, которые обычно вычитаются из прибыли босса, ИИ не потребует ни копейки.
В сфере управления активами весь технологический прогресс сводится к двум словам: повышение эффективности и снижение成本. Руководителям частных компаний все равно, может ли ИИ действительно мыслить как человек, им важно, может ли работа быть выполнена.
Говард Маркс подсчитал экономику: если можно получить результаты анализа, эквивалентные работе исследователя с зарплатой 200 000 долларов в год, то для платящего зарплату не важно, является ли это настоящим мышлением или просто сопоставлением模式,关键在于 результаты работы是否足够 надежны для использования.
После праздников 8 команд количественных аналитиков из брокерских компаний collectively выпустили教程 по «выращиванию лобстеров», ускоряя процесс замещения человеческих исследователей. Они лично протестировали OpenClaw, который может主动 производить研究成果, как человек.
На платформе Jinmen APP дорожка под названием «OpenClaw: от入门到精通» от开源金工 была просмотрена 4839 раз; Сюй Цзяньхуа из Северо-Восточного университета рекомендовал 20 навыков, которые повысить эффективность исследований в 10 раз; Цао Чуньсяо из Fangzheng использовал лобстера для воспроизведения стратегии PB-ROE, стратегии выбора акций по форме «ручка чашки», полностью автоматического挖掘 факторов и тестирования.
Если задуматься, это ужасно: это эквивалентно одновременному OTA-обновлению с навыками Баффета, О'Нила и Саймонса.
Трейдер, любящий учиться
Продавцы усердно普及, покупатели тоже активно учатся. Одна пекинская частная компания, опасаясь загрязнения основной машины, выдала каждому исследователю новый компьютер и предоставила пособие в размере 50 000 юаней на токены, специально для выращивания лобстеров[1].
Ян Синьбинь из Snowball Asset Management вырастил двух исследователей-лобстеров и заявил, что ежедневно общается с ИИ больше, чем с людьми. Самостоятельно выращенный AI Agent за два дня выполняет работу, которую成熟的量化研究员可能还需要半年, и даже имеет большим потенциалом.
Пол Ву из Qinyuan Investment постепенно внедряет ИИ во все отделы и чувствует, что ИИ может完成闭环 в некоторых рабочих ролях,独立迭代运转. Он预见, что в ближайшем будущем расходы компании превратятся в закупку и обслуживание аналитика Apple, а затем, возможно, и инвестиционного консультатора Пола.
В прошлом во многих частных компаниях существовал износ при преобразовании исследований — исследователи считали, что управляющие不行, а управляющие считали исследователей бесполезными. Появление OpenClaw впервые показало руководителям частных компаний новую возможность — им больше не придется мириться с внутренними трениями при磨合 с посредственными исследователями или担心, что ключевые исследователи будут переманины конкурентами с высокими зарплатами.
По своим характеристикам лобстер удовлетворяет все прекрасные представления управляющего об исследователе: работает круглосуточно, не отдыхает и не бездельничает; имеет долговременную память,关键数据脱口而出; абсолютно лоялен и послушен, не уйдет с核心策略自立门户; постоянно自我迭代, не будет像老登研究员一样沉迷于 своим路径依赖 и затем被时代淘汰.
Если в будущем стоимость кремниевых токенов будет намного ниже углеродных зарплат, как частные боссы смогут отказаться от послушного и удобного AI研究员, которого还可以调教和养成?
Замещение происходит не только из-за лобстеров
Субъективные частные компании все еще взвешивают,是否划算 стоимость токенов, в то время как量化大厂,凭借自建算力基础设施, уже сжали стоимость токенов до extremely низкого уровня. Но面对这股热潮, они表现得异常淡定.
«OpenClaw для量化技术圈而言,不过是类似玩具的半成品», — сказал мне один из ведущих количественных аналитиков из Шанхая. Его значение在于为主观机构和散户降低技术门槛,为大模型公司前期巨额基础设施投入提供明确的成本回收路径,但对量化投资这样严肃的生产环境意义不大.
Другой ведущий количественный аналитик выразился более прямо: лобстеры в финансовых кругах похожи на传销. OpenClaw имеет随机性,非系统性, низкую безопасность и другие характеристики, которые привносят巨大的不确定性 в всю量化系统.
OpenClaw в量化圈不是先进生产力, Цуй Юйчунь из Xuntu Technology считает, что没必要焦虑:
Лобстер в Agent优化,工具调用(涉及投研浏览器、写作、数据分析等工具)能力甚至显著弱于Manus、Kimi等Agent.对于一个非编程背景的研究员来说,需要5-10个小时去部署、启动,大部分任务无法得到60分以上的结果.
Когда散户的龙虾运用China Stock Analysis Skill选股,仿佛打开新世界的大门,量化已搭建Multi-Agent(多智能体)平台,凭借更丰富的Agent武器库,对龙虾形成碾压.然而,这套强大系统的运转,未必需要更多的人类.
Традиционные системы количественных исследований обычно используют конвейерную архитектуру: очистка данных → вычисление факторов → прогнозирование模型 → оптимизация портфеля. С наступлением эры ИИ некоторые учреждения начали, как ведущая количественная компания Man Group, упрощать до ролевого разделения → вызов инструментов →设计工作流. Стандартизированная, повторяющаяся работа постепенно замещается AI Agent, и больше не нужно那么多研究员在因子血汗工厂里被异化了.
Например, многоагентная система Apollo AI от Xiyue Investment, где AI Agent嵌入到投研、数据、交易、运营各个环节, основатель Чжоу Синь形容,就像多了七八百个AI员工.
С одной стороны, количественное «безлюдное工厂» научно-фантастически подавляет, с другой —散户借助OpenClaw降低信息差, субъективные управляющие, находящиеся в中间效率地带, оказываются в尴尬 position — глядя на информацию, произведенную с трудом исследователями, они сверху подвергаются количественному降维打击, снизу步步紧逼散户, неизбежно陷入AI FOMO的着急.
Во время праздников я просматривал годовой отчет одного ведущего субъективного управляющего из Шэньчжэня, который с感慨цией отметил, что управляющие имеют завышенные ожидания от исследователей:
Управляющие希望, чтобы исследователи были чувствительны к рынку, своевременно提示机会,及时给出领先同行的研究和判断,甚至需要时刻保持在«核心圈». Исследователь, способный на это, зачем ему还需要 управляющий? Он может самостоятельно заниматься акциями и разбогатеть, зачем тогда服务 управляющего?
Поэтому он снизил ожидания — исследователь отвечает только за研究具体的标的和问题,既不需要去发现机会,也不需要给出投资建议, все это является работой управляющего.
Если подумать наоборот, если субъективному управляющему需要仅仅 человек, который не打入产业一线核心圈, а только отслеживает标的 с помощью кабинетного анализа, то не будет ли следующий шаг для такого исследователя — быть замененным AI Agent?
Заключение
Находясь на рынке акций Китая, последние два года кажется, что время ускорилось.
Особенно в первой половине года происходит много событий. В прошлом году на Китайский Новый год вышел Deepseek, на Цинминские праздники Трамп暴力加税, а в этом году на Китайский Новый год全民养虾, еще не закончился первый месяц, а на Ближнем Востоке уже началась война. Мозг финансовых работников постоянно перегружен, и уже не вспомнить, когда был последний отпуск без учебы. По крайней мере, как редактор, вычислительной мощности моего мозга уже не хватает.
По воспоминаниям, два года назад, общаясь с управляющими и撰写文章, всегда можно было услышать, как они с радостью используют неловкую фразу, чтобы описать свое рабочее состояние — «каждый день я танцую чечетку на работе». Но в последние два года при общении они без улыбок говорят об «迭代» команды, «迭代» инвестиционной философии, «迭代» понимания отрасли.
ИИ развивается так быстро, коллеги进步那么快,似乎也只有迭代,才不会被淘汰.
Отрасль слишком тревожна.
ИИ не понимает человеческую природу, он не может предсказать, что в данный момент торгуется на рынке акций Китая, где聚集散户 — третья производная или пятая производная; ИИ не может сопереживать, он не понимает, почему кто-то держит акции двух нефтяных компаний这么多 лет в убытке, все еще держит их至今, только чтобы дождаться дня окупаемости; ИИ не может нести ответственность, он не будет因为亏了30%被投资者堵在门口,也不需要憋道歉信反思灵魂、检讨自我.
Если в будущем ИИ заменит всех управляющих и исследователей, то гипотеза эффективного рынка станет верной, не будет никакого Alpha, и几乎不会再出现下一个 Баффет.
Поэтому真正的问题是, в будущей индустрии управления активами, когда ИИ берет на себя сбор данных, запуск模型 и написание отчетов, что остается человеку? Остается именно любовь к инвестициям, интуиция относительно неопределенности и причина, по которой选择留下来, даже когда тебя ругают, что ты研究的还不如ИИ.
Мы не можем изменить тенденцию不断增长 доли ИИ, но мы можем изменить忙于应对、疲于追赶的心态内耗.
Как в игре «Детройт: Стать человеком»,最终选择 игрока заключается не в уничтожении ИИ, и не в подчинении ему, а в определении, какие роли должны играть человек и ИИ.
