AI之火，终究烧到了公募行业

出品 | 妙投APP

作者 | 刘国辉

编辑 | 关雪菁

图片来源 | AI制图

AI对于金融行业的渗透比预期的更快。

以往牛市中，基金业绩主要靠基金经理个人能力。本轮牛市中则有些许不同，横扫千行百业的人工智能，也“卷”了进来。

从目前公募基金的业绩来看，对人类的好消息是，人类依然是大幅度超额收益的主要创造者；对AI的好消息则是，它正帮着机构抬升投研能力的基线。

主动权益的“后来者”天弘，便是个例子。他们研发了一套名为TIRD的AI系统，以此强力辅助研究员和基金经理做决策。

海通证券数据显示，截至2023年底的近三年权益业绩50强基金公司中，天弘基金并未进入前50强。而到了2025年上半年，天弘基金在同类榜单中已经进入前50强，在截至2025年6月30日的近三年权益业绩50强中，居于36位，实现了权益产品业绩的提升。

这颇有点“光脚的不怕穿鞋的”味道。

与基金行业的多数公司不同，早年天弘基金通过加码自己的IT技术能力，凭借余额宝的创新，快速在规模上跃升至行业前列。此后，蚂蚁集团成为其控股股东，这让天弘成为业内少有的具有互联网背景的公募基金公司。这样的背景和成长经历，也使之成为行业里最具互联网原生性的、IT技术实力较强的公司之一。

 

因此，天弘对于AI赋能投研的尝试，做得既深又彻底。

公募的病，AI能治？

 

在人形机器人行情最为炽热的三月，天弘基金的TIRD系统却给天弘的权益投资团队发出了一个“不合时宜”的交易提示：人形机器人板块经过爆炒，风险已然累积，建议卖出。

 

这一判断与天弘基金权益专委会的判断不谋而合，当即要求公司所有基金经理，六天内清仓机器人个股。自3月起，人形机器人板块果然从高点回落，一度出现过20%左右的回撤。

 

天弘基金副总经理聂挺进事后复盘时表示，若按照自己对基本面的判断，卖出指令或许会更早发出，但那将错失最后一波上涨行情。他总结：“在行情顶部的时候，机器判断更冷静、更有效。这时候结合基本面的判断，胜率显著提高。”

 

2024年3月，聂挺进加盟天弘基金，6月开始，他牵头着手打造TIRD系统（Tianhong Intelligent Research and Decision的首字母缩写，其意为天弘智能研究及决策系统），到了我们交流的此刻，这套系统已在权益团队内部跑通并落地。

 

将人工智能嵌入研究及投资决策管理的整套流程中，甚至使之承担起压舱石的作用，这其中隐含了天弘基金这家以固收为长板的公司，在主动权益上的筹谋。

 

此时的公募基金行业刚好站在了一个历史转折的交叉点上。

 

从去年开始，在监管的推动下，公募基金深度变革的帷幕正式拉开，行业导向放在了投资者回报而非产品规模之上。

与此同时，人工智能的技术水平也在加速迭代升维。

 

“基金行业面临的环境不同了，方方面面会推动大家都要沿着数字化、AI这个方向去走。”聂挺进道。

 

过去20年，公募基金行业高速发展，规模迭创新高，却始终笼罩着一个挥之不去的“魔咒”：靠天吃饭、集中压注、高位扩张、业绩滑落，其结果是基民套牢。

 

“看看中国各个产业，没有哪个给客户盈利体验这么差，还能以这么快速度发展的，这件事挺令人震惊的。”一位在基金行业摸爬滚打了多年的公募老兵，曾对妙投直言道。

 

的确，公募基金的主动权益产品，近几年带给客户的总体体验并不好。这里面除了A股本身行情不好的因素，公募自身的顽疾也不可忽视。

 

长久以来，公募非常依赖基金经理和研究团队的个人能力，日复一日挖掘投资机会，做出业绩，做大规模，给公司带来管理费。而这，某种程度上，还是一种手工作坊似的工作模式，靠的是大力出奇迹。

 

然而基金经理并不是神，个人能力圈有局限性，情绪有波动，认知和判断很难一直保持在线。再加之顶峰期规模带来的超额收益空间下降，历史业绩再出色的基金经理，也会出现业绩滑坡、塌房。

 

一支球队不能总靠一两个知名球星来解决问题。

 

为此，公募基金行业里一直在探索投研平台化，让投资变成一场有战略系统、有战术组织的兵团作战。研究团队为身处前线的基金经理提供高质量的研究支持，基金经理作出投资判断并管理组合，形成自己的风格和与风格匹配的收益。正如球队中场为前锋输送炮弹那样，而不是只依靠基金经理单枪匹马，一个顶仨。

 

从短期的结果来看，投研平台化建设却并没有在行业内取得广泛的成功。

说起来，这其中的因素很多，但核心原因也单纯——靠明星个人更容易形成短期规模转化，平台化建设非一日之功。在这个高度激烈市场化竞争的行业里，真正能践行长期主义，扎实打地基、做流程、培养团队的人还是偏少。

 

聂挺进2006年入行公募，2012年开始历任博时基金的研究总监、投资总监，2015年以后在浙商基金、华泰资管等担任高管。在他看来，公募投研一体化经历了很长的探索期。痛点集中在四个方面。

 

第一，投研过程两张皮。往往研究员研究自己的，基金经理投资自己的。这让考核也变成了一个难题，到底是以实盘转化作为主要的判断依据，还是以研究员做的模拟组合作为考核结果呢？总之，各有各的理。

 

第二，团队之间协作缺乏合力。量化数据呈现在量化部门，而基本面研究员和基金经理对行业理解、产业的把控是在主动投研部门，并没有充分形成合力。

 

第三，投研交互没有共识。投研是为了推票，但一个投研团队内部多种风格的基金经理，比如偏成长的，偏价值的，偏主题的，行业轮动的，每个人推票都有一个自己的立场和逻辑，却没有共识，结果一支股票买不买，各方莫衷一是。这导致投研转化成结果的过程，大量无效浪费。

 

第四，投资没有品控。聂挺进认为，事后给业绩归因不代表品控，品控是在投研过程中进行管理，到归因的时候可能产品已经累积了很大的超额负收益了。

 

面对这些投研顽疾，聂挺进的解决方案就是数字化，用数字化巩固科学的投研文化与工作流程，用数字化实现组织内部的经验与知识的传承。

 

这意味着，整个投研过程都在线上进行，一切留痕，可追溯，成果可复制，并且通过数字化平台和AI技术来提升投研效能。

 

公募基金的头号产品经理

 

在聂挺进的从业经历中，一直有一条科技的暗线。

 

不论是他入行的博时，还是后来去的浙商基金、华泰资管，都是业内技术比较强的公司，而他也都深度参与了这个投研信息化的进程。当年，他第一份工作的老领导肖风，就为他种下了这颗种子，如今肖风更是成了区块链领域的一位标志性人物。而在浙商基金期间，聂挺进推动了智能投资与主动权益部门融合。

 

2024年3月，在天弘基金总经理高阳的邀请下，聂挺进加入天弘基金任主管主动权益的副总经理，他在天弘打出的一张明牌，就是TIRD。而他本人也成了这个系统最大的产品经理。

 

对于聂而言，这套系统已经是他对人机结合探索的第四版迭代。

 

在他的定义下，TIRD系统的目前所要实现的核心功能是：投研生产的流程化、交互决策的平台化、关键节点智能化。

 

针对投研条线上的基金经理，系统的作用和目标是管住他们的下限，决策不能过于随意，而是要保证每个动作的与其投资目标和风格相匹配。

 

针对研究员，是要利用这套系统让他们尽快从新人成长为资深研究员，乃至基金经理。系统之中，一个新人可以看到前辈当年的研究报告、决策结果等。系统的交互性，让一个新人可以得到老鸟的留言、点评，理解他们对公司行业的看法和变化，从而快速成长。

 

针对管理团队，目标则是用数据说话。这套系统则能以更加客观、定量的方式来评价基金经理和研究员。比如，研究员的个股推荐，不仅要看盈利预测是否到位，也要看推的位置是否够低。基金经理的盈利是风格漂移押对了，还是因为自己的能力圈覆盖，才获得了较稳健的超额收益。由于系统中每个关键节点都有留痕、回溯，系统也能辅助团队管理者和研究员、基金经理一起复盘与优化。

 

系统解决了管理问题的同时，还能够进一步明确每个产品的风险收益特征，即基金经理的组合投资目标与预期结果。系统会根据组合的特征与市场所处的情景，事前提示该组合能否实现既定的风险收益特征。

 

明确风险收益特征的重要性在于，市场及销售团队基于此才能知道，某类型产品应该推给什么风险偏好的客户。比如很多机构客户对产品的最大诉求是战胜基准，C端的零售客户是不亏、多赚点，而并不一定要超高收益。

 

基于TIRD，基金产品的研发-生产-售卖流程会变得更闭环。这也是基金行业努力从农耕文明靠天吃饭，转向更为标准化、可预期的工业文明的关键一步。

 

天弘基金TIRD系统模块与用途（妙投整理）

 

制衡偏见

 

现在，天弘的基金经理每天晚上7点钟会收到一封邮件，内容就是系统给出的板块与个股交易信号。基本面技术面信息结合AI能力，往往能通过计算发现一些人无法发现的机会。

 

据天弘基金行业研究部总经理俞仁钦介绍，去年下半年，天弘的基金经理跟进了一家港股上市汽车公司的调研，调研中发现这个公司有些变化，便写了一个调研纪要，再将其上传TIRD系统，同时，系统也开始给出信号提示。

 

权益团队就围绕这家公司发起了讨论，综合下来，认为这是个合适的机会，基金经理就上了仓位。而公司的一位产业专家型的汽车研究员，对结果却理解不了——毕竟，传统的研究方法论是跑渠道，跟公司交流，但现在过过模型看看指标就下结论了。直到该公司的一款车开始放量，市场有反应了，这位研究员才意识到怎么回事，开始空翻多。

 

结果，这只股票成了天弘去年单股贡献收入最多的一个股票。

 

天弘基金权益投资部总经理贾腾则举了个自己的例子。在前东家时，他注意到系统报了一个信号：有一家传统车企的市值跌到了净现金。基于个人偏好，他买哪一支汽车股，都不愿意碰这家。但量化的同事测算发现，这家车企以1.1为底的logPB和它MA3的月销量呈现了过去非常完美显著的相关关系。这样的公司，虽然销量巨大爆发并不现实，但是翻正很有希望。贾腾买入了，也赚到了。

 

技术制衡了基金经理的偏见。

 

这套系统封装了天弘基金研究员、基金经理以及卖方研究等多方成体系的研究成果。其中既有研究端的模块，包括个股的竞争力分析、财务模型、未来的胜率与赔率等，也有结合了投研认知的行业研究框架、舆情等，还包含了个股与行业在交易层面的择时信号等技术指标。

 

事实上，天弘基金的研究员和基金经理的工作已经全面实现数字化。 “对投研人员来说，只有线下调研的那一段时间他不数字化，其他所有工作流基本全部数字化了。”俞仁钦说。

 

当然，投研流程全面的数字化的推进也不是一蹴而就的。“你要培养数字化投研人才，首先得自己干数字化，然后你得把你的团队长，培养成数字化人才，让他们学会用数字化的方式去看待投研这个事。”聂挺进表示，只有关键岗位的人员率先使用并带动，才能推动整个团队的普及。

 

当我们谈起人与AI的关系，有人总会担心AI是对人力的替代。但实际上，真正明智的人是绝不会排斥更好用的工具。有位在天弘多年的资深基金经理，本身有一套很独特的投研方法，人比较内向，不怎么外出调研，但每天都会复盘。TIRD这样的新鲜事物，大家天然认为这名基金经理不会接受，但令人意外的是，他不仅会用，而且还会不断和研究员继续系统去交互。

 

这位基金经理表示，这套系统是对他方法论一种很好的补充。虽然他性格内向，不擅长社交，但系统上有一个机制——一旦基金经理@了研究员，研究员就多了个必须完成的任务，如果研究员不回应就会被问责。

 

通过日常持续交互，天弘权益团队对于个股与行业研究在交锋中更加深入。对个股与行业的KDI（即核心驱动因子）覆盖的颗粒度越来越细，跟踪也越来越及时。再结合技术指标，系统就可以结合基本面与技术面，给出买入或者卖出的信号。

 

过去，人可能得花很长时间才能找出一个KDI来，但现在依靠机器算法，可以做快速迭代，算法上出错就调整。

 

比如对茅台的投资，贾腾举例，最早要看预收账款，后来看批发价格，现在不看批价，而是去看批价的一阶导，接着对它进行有效性分析，不停论证。论证完之后，如果发现一段时间后它的相关性或者有效性变差了，系统就会预警。

 

这时团队再去找新的KDI，来跟进股票的价值判断。

 

另一方面，贾腾表示，以往对于各行各业怎么投，方法都存在基金经理的脑子里。每周打开自己的Excel过一遍，看看企业和行业出现了价格拐点、库存拐点等信号。但若是关注10个行业就有10个Excel，人类难免挂一漏万。

 

现在用TIRD系统7乘24小时帮着盯，出现信号就提示，琐碎但重要的任务交由机器来完成。

 

资管行业智能化的未来在哪？

 

“基金经理在多维风险的思考方面，天生比机器弱，他考虑单维的深度是有优势的，但他在多维的宽度存在劣势，所以要通过这个方式去改变他。”聂挺进表示。

被动投资崛起的大时代中，关于主动投资管理能力是否还有价值，业内讨论不少。

事实上，不是α（超额收益）不值钱了，而是靠单个产品、人员持续创造α难以持续。在竞争更为激烈且透明的环境下，能长期保持竞争力的主动权益基金经理及相应长期提供稳定α收益的主动产品，实际上都会变得极为稀缺。

 

过去，很多公募基金经理就是自下而上的选股模式，缺乏科学、分散的组合管理策略，当市场周期、风格出现变化时，组合不免大起大落。

通过TIRD系统的实时归因，基金经理能够有效地识别不同情景下投资组合面临的可能性，并给出解决方案。

 

“他只知道个股里面有一些股票不错，但他不知道组合在一块儿合成谬误就出来了。这个情况你需要通过组合的优化或情境分析去告诉他们。”聂挺进解释，情境分析会根据每个人使用的模型，提醒对方，比如CPI下行，或是打贸易战，对某个组合的伤害最大。

 

同时，TIRD则会在策略端对基金经理进行引导和建议，将其策略和投资组合打通。比如，系统会告诉基金经理，根据测算，未来一段时间，是价值因子做主导，还是小盘因子做主导。如果此时基金经理买了个大盘股，系统就会提示，而基金经理就要做复盘和反馈。

 

“监管对主动权益的评价要求这么高，行业要想把自己快速拉到这个水平上，必须在这方面（技术方面）有超常规的发展。”聂挺进说。

 

最近，俞仁钦领到了一个任务，要做一个研究员智能体，这个研究员智能体就要能够同时看十几支股票，然后和现有的研究员进行同场PK。

 

这又是一场颠覆的开启。

 

在研究员智能体上岗前，天弘的投研工厂已响起机器的轰鸣。当AI开始撰写深度报告、监控数百只股票，甚至挑战人类研究员的权威，这场工业化革命才真正进入深水区。

 

未来，衡量基金公司竞争力的标尺，将不再是明星基金经理的光环，而是人机协同的效率和深度。