来源：雪球App，作者： 银行观察，（https://xueqiu.com/3959036576/128488515）
戴志峰，中泰金融组负责人
国家金融与发展实验室银行研究中心 特聘研究员
陆婕， 中泰证券金融行业研究员
核心观点
智能投研的产业链分析：1、智能投研的核心是提升金融数据的分析能力，提高人工的工作效率。2、智能投研的产业链涉及数据的获取、处理及应用。上游是数据源，包含传统金融数据、爬虫数据及另类数据等；中游是数据的采集和标准化；下游是数据的需求方和应用场景，包括投资机构、监管部门及非金融机构等。3、智能投研行业的参与者：传统的金融数据服务商、创业公司、互联网巨头及投资机构内部研发。
三种智能投研的商业模式：1、金融文本处理工具。针对特定场景的金融数据处理的工具，所处理的文本以标准化为主，功能是审核检查，交付方式是项目制。客户是金融监管职能部门，其次是金融机构审核部门。2、一级市场数据库。提供全方位了解一级市场公司的数据库和搜索工具。产品的核心是标签体系；一般采用数据终端或者数据接口的方式交付。3、二级市场数据库。提供颗粒度更高的金融数据产品，重点在非结构化数据的处理。客户主要是二级市场投资者，尤其是量化投资；国内的客户还包括券商和综合金融集团。
底层技术：在智能投研中主要应用的人工智能技术包括图像识别、自然语言处理、情感分析、知识图谱等。1、优势：人工智能拓展了数据来源，大幅提升了数据运算的能力。机器能分析多元、非线性关系，寻找相关性而非局限于因果关系。2、不足：就现阶段来看，人工智能在有明确边界、规则和目标的场景中，效果才会明显。3、技术运用的约束条件：数据质量影响智能投研的效果，底层数据质量不断提升，智能投研的效果才会增强。
市场空间及行业趋势：1、中长期来看，智能投研的潜在市场空间远大于现有金融数据行业规模。产业要从数据服务广义的角度看智能投研的市场空间：收入的增量空间还包括对数据量、数据维度、数据综合服务的需求提升，以及投资机构增长和其他机构对金融数据的需求。2、智能投研的发展趋势：资产管理机构在数据及技术方面的投入增速大于资产管理规模的增速；传统的金融数据公司通过并购整合保持持续的竞争优势；大量创业公司在努力拓展人工智能的边界；成功的智能投研公司在数据服务的广度或深度上超越对手。
智能投研的产业链分析 —
智能投研的定义
狭义：人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据分析，为投资决策提供参考，从而提高投资研究的效率。
广义：人工智能在资本市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交易和风险管理。
智能投研产业链的供求关系
智能投研的产业链涉及数据的获取、处理及应用。大部分独立的智能投研公司主要在数据的处理环节。最终与投资交易直接挂钩的智能投研由投资机构自己搭建为主，同时会采购外部第三方的数据和服务，在内部进行整合。
产业链的上游是数据源。（1）传统数据。金融行业本身已经存在大量标准化的数据，包括公司财务数据、公司公告、交易数据、宏观数据、行业数据、券商研报等，这些数据主要由金融数据公司进行整合。（2）爬虫数据。这些数据来自于互联网，相比传统金融数据库，这些数据的颗粒度更细，数据来源主要是地方政府网站、地方监管部门网站、社交网站、媒体网站等。（3）另类数据，主要指通过智能设备采集的数据，包括卫星图片、天气数据等，