免费解锁编辑文摘
英国《金融时报》编辑鲁拉·哈拉夫 (Roula Khalaf) 在这本每周通讯中选择了她最喜欢的故事。
作者是摩根士丹利前全球研究主管和瑞银集团前研究、数据和分析部门主管
已故的 20 世纪 90 年代著名市场策略师拜伦·维恩 (Byron Wien) 将最好的研究定义为非共识性建议，但结果证明是正确的。人工智能能否通过维恩对有价值研究的测试并让分析师的工作变得多余？或者至少将推荐正确率提高到 50% 以上？
嗯，重要的是要了解大多数分析师报告都致力于对财务报表和新闻的解释。这是为了促进投资者的工作。在这里，现代大型语言模型简化或取代了这种分析功能。
接下来，花费大量精力来预测收益。鉴于大多数时候利润往往遵循某种模式，好年景接踵而至，反之亦然，因此基于规则的引擎发挥作用是合乎逻辑的。而且，由于这些模型不需要通过古怪的预测从人群中脱颖而出，从而“被听到”，因此在不确定性有限的时期，它们较低的偏差和噪音可以超越大多数分析师的估计。几十年前，学者们就对此进行了论述，但这种做法并没有在主流研究中流行起来。为了扩展规模，它需要大量的统计数据或构建神经网络。很少有分析师具备这样的技能。
改变正在进行中。芝加哥大学的学者训练了大型语言模型来估计收入方差。与分析师的预测相比，这些结果超出了中值预测。结果令人着迷，因为法学硕士通过理解收益发布的叙述来产生见解，因为他们不具备我们所谓的数字推理——经过严格训练的算法的优势。当他们被指示模仿高级分析师所做的步骤时，他们的预测会得到改善。如果你愿意的话，就像一个优秀的三年级学生一样。
但分析师很难量化风险。这个问题的部分原因是，投资者如此专注于获得确定的胜利，以至于他们迫使分析师在没有确定性的情况下表达确定性。捷径是稍微向上或向下调整估计值或倍数。充其量，考虑到一系列类似的情况，法学硕士可以提供帮助。
利用模型的“温度”（代表结果的随机性），我们可以对风险和回报带进行统计近似。此外，我们可以要求模型为我们提供对其预测的置信度的估计。也许与直觉相反，对大多数人来说这是一个错误的问题。我们往往对自己预测未来的能力过于自信。当我们的预测开始出错时，我们通常会加大承诺力度。实际上，当一家公司制定“定罪电话清单”时，最好在盲目遵循建议之前三思而后行。
但在我们把众所周知的分析师和洗澡水一起泼掉之前，我们必须承认人工智能的重大局限性。当模型试图给出最合理的答案时，我们不应指望它们会发现下一个英伟达，或者预见另一场全球金融危机。这些股票或事件与任何趋势背道而驰。法学硕士也无法在财报电话会议上提出“值得研究”的内容，因为管理层似乎避免讨论与价值相关的信息。他们也无法预测美元的波动，比如由于政治争论。市场是不稳定的，对市场的看法一直在变化。我们需要直觉和灵活性来将新信息纳入我们的观点中。这些都是顶级分析师的品质。
人工智能可以增强我们的直觉吗？也许。富有冒险精神的研究人员可以通过调高模型响应的随机性，利用法学硕士备受诟病的幻觉来为自己谋利。这会溢出很多需要检查的想法。或者构建地缘政治的“假设”情景，从历史中汲取更多专家无法提供的替代教训。
早期研究表明这两种方法都有潜力。这是一件好事，因为任何参与过投资委员会的人都知道将不同的观点带到桌面上是多么困难。但请注意：我们不太可能看到“天才的火花”，并且会有很多废话需要清除。
拥有适当的研究部门或追随明星分析师有意义吗？确实如此。但我们必须假设一些流程可以自动化，一些流程可以得到增强，并且战略直觉就像大海捞针一样。很难找到最终被证明是正确的非共识建议。搜索过程中也有一些意外的发现。
关键词：