《AI助力量化投资：ChatGPT在提高编程效率方面的应用》

近期，GPT-4的推出引发了市场的广泛关注，许多投资者开始探讨如何运用ChatGPT来进行量化投资，借助人工智能的力量进行股市操作。为此，中国证券报记者迅速联系到了多位量化投资领域的专家，从他们那里获得了关于ChatGPT在量化投资中的实际应用情况的见解。根据专家们的解答，ChatGPT在量化投资中的应用主要体现在提升基础代码编程效率方面，而非替代投资策略的研发。

金融行业的特殊性质使得类似ChatGPT的AI应用难以直接融入到公募和私募的投研系统中，目前还无法直接协助投研工作。然而，随着我国相关公司的大语言模型研发成功，将会考虑到自主可控和数据安全的问题，有望将这些技术应用到资管机构的投研领域中。这将推动ChatGPT在金融科技领域的智能化进程。

● 本报记者 杨皖玉

提升编程效率

近期，人工智能领域的重要突破性成果GPT-4终于问世。在3月23日这个具有里程碑意义的日子里，全球最大的代码托管平台——GitHub，正式推出了其新一代的代码辅助工具：GitHub Copilot X。这一消息一经发布，立即引起了广大程序员的关注和热议，他们纷纷感慨：“只要张口就能写代码，程序员是不是都要失业了？”GPT-4的诞生，无疑是人工智能技术的一次重大突破。它采用了先进的自然语言处理技术，能够根据用户的需求，自动生成高质量的代码。这对于程序员来说，无疑是一个巨大的福音。以前，编写代码需要花费大量的时间和精力，而有了GPT-4，这一切都变得简单起来。只需要动动嘴，就可以轻松完成代码的编写，这无疑极大地提高了工作效率。然而，随着GPT-4的出现，有人开始担忧程序员的工作是否会因此被取代。毕竟，机器可以比人类更快、更准确地完成许多工作，那么程序员的价值岂不是会被大大降低？但是，我们也不能忽视这样一个事实：虽然机器可以在一定程度上替代人类的工作，但它无法完全取代人类的创造力和思维能力。程序员的工作不仅仅是编写代码，更重要的是解决问题、创新和优化系统。这是目前人工智能所无法实现的。总的来说，GPT-4的推出，对于程序员来说，既是机遇，也是挑战。我们应该看到它的优势，同时也要看到自己的价值。只有这样，我们才能在这个变革的时代中，找到自己的位置，发挥出最大的价值。

在金融行业，同样涉及写代码做编程的量化投资是否也面临着同样的境况？

作为一名专业的文章写作高手，我会将原文进行重新组织，使其表达更为准确、清晰和有深度。在金融领域，尤其是证券交易领域，技术的发展和应用已经越来越广泛。近日，明泽投资证券交易部的总经理刘的阳先生地向记者分享了一个有趣的例子，展示了人工智能技术的强大之处。他表示，通过向ChatGPT发送一个“编写预期盈利因子选股策略代码”的指令，ChatGPT便迅速为其返回了一段精确的程序代码。这一案例充分说明了人工智能在处理复杂任务上的优势，也让我们对未来的科技发展充满期待。

“这些代码的逻辑关系和结构基本上没有问题，但需要结合最新的数据和本地系统进行调试。”刘的阳表示。

作为一名程序员，我发现使用 VS Code 进行编程时，ChatGPT 自动填写代码的插件对我的工作产生了很大的帮助。例如，当我需要实现一个特定的函数功能时，只需在命令行中输入我的需求，插件便会自动生成相应的代码，然后我可以在此基础上进行相应的调整和修改。这种方法不仅提高了我的工作效率，而且也让我能够更加专注于功能的优化和创新。根据嘉实基金增强风格投资总监刘斌的说法，他同样认可了 ChatGPT 在编程中的重要性。他认为这种插件可以帮助程序员更快地完成开发任务，并且可以减少错误的发生，从而提高软件质量。因此，我非常推荐那些想要提高自己编程效率的朋友们尝试一下这个插件。

在此之前，实现这些基础代码的编写需要人工操作。然而，刘的阳表示，随着公司量化系统的建立，这一基础任务已主要由ChatGPT承担。目前，ChatGPT在量化系统中发挥着至关重要的作用，其代码编写能力相当于一位专业的高级程序员。

量化私募思勰投资合伙人兼总经理吴家麒指出，当前阶段，ChatGPT主要用于提高量化编程的效率，而非取代人工。首先，对于不熟悉编程和量化的用户来说，他们无法驱动ChatGPT执行相关任务；其次，在量化策略构建的逻辑框架方面，ChatGPT也无法替代人工的智慧。

不能替代投研端

在一次深入的采访中，我们了解到ChatGPT在量化投资领域主要关注于提高基础代码编程的效率，而非取代投资策略的研发。这一信息揭示了ChatGPT在量化投资中的关键作用，即通过优化代码编写过程，从而提高整个系统的运行效率。这不仅有助于提升投资决策的执行速度，而且还有助于降低错误率，提高投资结果的稳定性。

“ChatGPT能够‘写代码’是因为GPT模型的预训练数据中包含大量源代码，所以它可以按照提问信息来预测用户所需要的代码。”刘斌表示，ChatGPT背后是一种人工智能大语言模型，从大量的文本数据中学习语言的通用特征，例如词语之间的关系、句子结构、语法和上下文信息等，完成一种有逻辑的表达回答用户问题。相较于人脑，它背后的数据、语义、资料更多。但仅靠大语言模型并不能理解代码背后的意图，也无法在股票市场完成一个精确的投资。

刘的阳表示，在股票市场，量化策略研发不是一劳永逸的，一个策略适用的时间、范围等都是有限的，所以ChatGPT只是一个能够提高效率的工具。代码的调试、策略的研发等还是需要研究人员。

刘斌举例说，“化工行业的定价逻辑”“白酒行业过去几年的表现规律”这些问题ChatGPT等大语言模型在金融场景落地后是能够回答的，因为在过去的研报中可以找到很多类似的论述。但“某个股票怎么样？”这个问题，它是无法给出一个准确答案的，未来需要投研人员先确立一个选股框架，它才可能会帮忙找出来。

吴家麒认为，现在市场上很多数据和信息都是噪音，可能只有1%的有效信息。如果ChatGPT基于所有的信息进行拟合，可能出来的策略是无效的。通过它在金融市场上来更迭量化策略，选取有效因子，效率会比较低。

但多位业内人士同时向记者提到，未来或会诞生能够熟练应用AI的“提问工程师”这一职业。同时，量化投资在招聘时，量化模型的主观架构能力会更被看重。“只有在对策略和模型有清晰认知的前提下，我们才能调动AI提高工作效率。”刘的阳表示。

暂不可接入投研系统

既然ChatGPT能够提升投研人员的工作效率，能否将ChatGPT接入基金公司的投研系统？

对此，多位业内人士对记者表示，可以接入人工智能大语言模型技术，但ChatGPT目前不行。

恒生电子首席科学家白硕近期在一场公开演讲中表示，基于金融行业特有的行业属性，大规模商用的技术对于准确性、可控性、时效性有很高的要求，并且需要具备很强的专业性、逻辑性和创造性。同时基于自主可控和数据安全的考虑，直接应用公有云上的大语言模型可能并不适用于资管机构。

“由于项目并不完全开源，目前ChatGPT对于投研端来说是一个技术黑箱，大家不清楚它输出内容的逻辑，输出的内容可能和市场、投研人员理解偏差很多。”某位业内人士表示。

刘斌则提到，目前，投研系统接入类似的大语言模型，合规是首要面对的问题，可能存在信息泄漏的风险。也许等到国内的人工智能大语言模型在金融行业优化落地后，投研系统或可能实现接入类ChatGPT的功能。

业内人士表示，目前在公募、私募行业，类似于ChatGPT的人工智能技术或可最先应用于客服问答、研究辅助等领域。