财联社12月6日讯 随着前沿技术的快速发展，特别是大规模预训练语言模型（LLM）的突破，金融科技已成为推动资产管理和财富管理行业创新的核心力量。

今日，2024 滴水湖新兴金融年度大会在上海临港中心顶科会堂隆重召开。开幕式期间，上海资产管理协会与智能投研技术联盟（ITL）联合发布了《上海全球资产管理中心建设资产管理大模型应用实践与指南》（简称“实践指南”）。通过一系列实践案例，财联社发现大模型技术在资管实际业务中已展现应用效果和价值。

当前，大模型在资产管理和财富管理领域的应用主要面临的挑战包括：业务场景试错成本高、数据隐私保护、计算资源需求大等问题。

实践指南指出，在选择大模型应用场景时，资管机构应首先基于自身的业务需求进行明确定位，对内部业务流程进行全面梳理，识别出对数据分析和决策智能化需求较高的环节，例如：投资研究、合规审查、客户服务、风险管理等。通过深入分析各业务环节的现状与痛点，进而精准识别出大模型技术能够发挥最大价值的领域。

以投资研究为例，大模型可以通过分析海量数据，辅助投研人员进行投资策略的制定与优化。

基金投研助手依托大模型技术，可以结合基金数据库和投研工具模块，模拟专业研究员的角色，识别并理解用户提出的问题，并自主调用相应的分析工具和最新市场数据，以完成一系列复杂任务。利用大模型技术构建基金投研助手可以在基金产品研究中实现信息查询与对比分析、基金筛选与组合回测、组合诊断与优化建议。

在财报分析场景，大模型技术能够处理和分析大量的财报数据，自动更新和汇总各类上市公司的公开信息，包括财报公告、最新资讯和市场动态等。通过深度学习算法，大模型技术能够对这些复杂的财报数据进行深度解析，快速生成初步的财报点评。此外，通过运用大模型技术可以辅助识别财务数据中的隐藏规律与潜在风险。

同样，基于大模型强大的自然语言处理能力，市场资讯与宏观政策解读助手能够从纷繁复杂的市场资讯和政策文件中，快速而准确地提炼出关键信息，为资产管理者提供决策支持。

研报写作与阅读也是资管行业大模型技术应用的关键场景。研报写作助手能够模拟专业分析师的角色，高效提取和整理历史文档信息，并以自然语言对话形式与用户进行多轮交互，从而生成高质量的研究报告。研报问答与观点总结助手可以深度整合研报阅读与分析的各个环节，为投研人员提供前所未有的高效工具。