财达期货贾秋翌：拥抱AI浪潮 赋能期货研究

　　中证报中证网讯（记者 王超）新年伊始，DeepSeek横空出世，引发了全球范围对大模型的关注。自ChatGPT被公众所熟知以来，关于各行各业如何与AI融合的讨论热度不减。

图片来源于网络，如有侵权，请联系删除

　　财达期货有限公司副总经理贾秋翌2月25日向记者表示，作为金融业态的组成部分，期货研究与AI技术具有较强的适配度。其一，期货的衍生性决定了其数据的复杂度较高，相应的研究需求也更具有层次感。通过对大量市场状态片段的深度学习，可以更立体地挖掘市场运行规律。其二，期货的杠杆特征对交易、风控提出了极高要求。因此，通过大模型对历史风险事件的回测和学习，有助于实现对衍生品头寸的科学管理，以及对风险信号的快速识别。其三，期货研究的维度广，涉及宏观、产业、市场、合约结构等多方面信息，依靠AI对海量信息的整合能力，可以使研究框架更加完备。其四，通过智能问答等交互手段，金融机构更加多元地收集市场参与者的观点，从而有针对性地组织研究活动。

图片来源于网络，如有侵权，请联系删除

　　数据显示，金融行业在大模型落地方面走在了前面。沙丘智库对434个大模型应用案例的统计显示：2024年，有36.7%的大模型项目来自金融领域，占比为全行业之首。

图片来源于网络，如有侵权，请联系删除

　　当然，AI也并非无所不能。贾秋翌认为，期货市场有其独特的运行逻辑，这就决定了一些研究工作更适合分析师完成。例如，对即时信息和非公开信息的筛选判断。与其他金融资产不同，期货合约按月排列且流动性集中于短期，这就导致市场对即时信息较为敏感；同时，对于一些非国际流通商品，其定价机制可能被某些特定企业、地域、气候等扰动因素影响，这些另类数据很难通过AI收集得到。因此，分析师的工作之一就是通过实地调研或人员沟通收集和筛选信息，并对信息与市场情绪之间的联系进行经验判断。

　　“再比如，过度使用AI结论可能导致分析师‘失语’，或者说市场观点过于趋同。”她以生成式AI技术为例解释说，大部分输出结论是基于公开信息得到的，这可能导致结果差异不显著。一旦市场上越来越多的交易决策来自AI，可能会带来一些负面效应：短期看，这将引发“合成谬误”，即不同交易目标的群体做出一致行为，形成系统性的投机；长期看，以往由供需、金融等因素定价的市场机制可能被打破，转为“模型定价”，一旦模型崩溃，进而将冲击市场定价的公允性。

　　“顺势而为，期货研究工作应当积极拥抱AI浪潮，找准自身在新一轮科技革命中的定位。”贾秋翌认为，一是延展服务领域，借助AI衍生服务业态。据报道，目前已有多家期货公司接入DeepSeek大模型，其中诸如投研助手、量化因子挖掘等多项大模型应用场景都与研究工作息息相关。更多的期货公司将结合自身实际，分步骤推动大模型落地。

　　二是丰富研究对象，加强对新技术新模型的研判。一直以来，期货研究主要是围绕单品（大宗商品和金融标的）展开，加之板块和宏观策略分析。未来，当AI成为市场的重要参与者和观点输出者，研究活动将不可避免地将其纳入分析范畴，并研判其对市场结构、风险异动的影响。

　　三是改进研究方法，在人机交互中发挥人的比较优势。AI的快速发展已经对传统的程式化的研究提出了挑战，这就需要研究者不断挖掘自身优势。特别是在信息交互领域，分析师要探索如何摆脱单向观点输出的束缚，关注于客户风险偏好和专业特征，提供定制化研究服务；同时，要苦练调研内功，收集另类数据和产业信息，在信息端实现与AI形成错位分工。

　　四是创新输出形式，突破以报告为主的产品结构。长久以来，作为逻辑和观点的载体，报告是金融研究的核心产品。但是，报告是一种无差别的输出，难以满足不同群体的需求。未来，期货公司可以借助AI技术绘制用户画像、进行需求聚类，通过识别对象的知识背景、风险偏好、实际需求等因素，形成贯穿分析、交易、风控等环节的全流程投资建议。

　　五是加强人才培养，吸纳和培养复合型分析师队伍。一方面，可以借助金融机构在数据和技术上的先天优势，深化“AI+数据+算力”生态，不断降低研究方法之间的壁垒，特别是数量化研究方法，实现高效的需求响应和研报生成，将分析师从冗长的学习周期中解放出来，有更多精力投入更高层面的战略思考。另一方面，依靠生成式AI可以快速搭建起较为系统的研究框架，实现行业扫盲，从而降低分析师的培养成本。

　　“放眼历史，几乎每次技术跃升都伴随着思维方式的变革。AI技术在丰富金融业态的同时，也将带动金融研究的优化。期货研究从业人员应秉持积极开放的态度，坚持守正创新、为我所用，推动AI技术更好赋能行业进步。”她表示。