智能投研行业分析报告-鲸准研究院-2018.07-53页-17mb

智能投研行业分析报告总结

核心内容

智能投研是智能金融的重要组成部分，依托人工智能技术，如自然语言处理（NLP）、机器学习、知识图谱等，为金融机构提供数据自动化处理、分析和辅助决策支持。其核心目标在于提升投研效率和投资决策的准确性，而非直接替代投研人员。

主要观点

• 行业背景：智能投研作为智能金融的新兴领域，正经历从概念认知到技术应用的转变，具有广阔的发展前景。
• 技术支撑：知识图谱、NLP和深度学习是智能投研的核心技术，能够处理非结构化数据，提升信息分析能力。
• 产业链布局：上游为金融信息采集，中游为信息加工与分析，下游为投研工具和投资决策服务。
• 市场规模：2017年中国资产管理规模超140万亿元，智能投研作为其中的辅助工具，有望在未来占据更大市场份额。
• 盈利模式：以To B模式为主，通过提供标准化模块产品和定制化解决方案实现盈利。
• 竞争格局：包括金融机构、数据服务商、创业公司和互联网巨头四类玩家，目前尚未形成垄断，竞争激烈。
• 功能定位：主要以提高投研效率为主，未来有望向提高投资效益发展，但短期内仍以辅助角色为主。

关键信息

• 政策支持：自2015年起，中国将人工智能纳入国家战略，智能投研作为金融科技的一部分，受到政策鼓励。
• 行业热度：2018年智能投研热度持续上升，预计未来仍保持增长趋势。
• 融资情况：行业融资集中在天使轮，2017年出现小规模爆发，2018年有望延续增长。
• 产品类型：主要包括智能搜索、智能问答、自动化报告、风险预警、财务预测等。
• 典型案例：Kensho、Alphasense、通联数据、鼎复数据、文因互联、熵简科技、香侬科技等，各具特色。

行业痛点

• 产品落地缓慢：尽管行业发展迅速，但产品在实际应用中仍存在落地慢、效果不明显的问题。
• 技术与金融融合障碍：技术人才与金融人才之间存在认知差异，导致产品开发与应用存在困难。
• 用户认知不足：行业概念模糊，市场认知度不高，金融机构对智能投研的付费意愿不强。
• 盈利模式不清晰：如何让用户为增值服务或特色数据付费，仍是行业面临的重要问题。

行业发展趋势

• 商业模式由简单转为复杂：从单一产品销售转向提供定制化解决方案，合作模式更加多样化。
• 自动化向智能化发展：随着深度学习技术的成熟，智能投研将逐步实现从自动化到智能化的转变。
• 监管驱动：金融监管趋严，智能投研在风险预警和合规分析方面有较大的应用潜力。
• 场景多样化：智能投研将逐步覆盖更多金融场景，如投顾、风险管理、资产管理等。

案例分析

国外案例

• Kensho：专注事件与资产相关性分析，曾被标普收购，但面临战略瓶颈。
• Alphasense：金融智能搜索引擎，数据覆盖广泛，但市场饱和后面临转型挑战。

国内案例

• 通联数据：主打智能搜索与在线投研工具，已服务1000+家机构客户。
• 鼎复数据：专注于金融风险防控，具备较强的NLP技术能力。
• 文因互联：以信息检索与提取为核心，产品经过多次用户打磨。
• 熵简科技：具备金融背景，提供决策辅助工具。
• 香侬科技：算法准确率领先，专注于信息平台和增值服务。

鸣谢名单及鲸准介绍

• 鸣谢名单：包括鼎复数据、通联数据、文因互联、熵简科技、香侬科技等。
• 产品定位：JINGDATA专注于智能投研领域，提供多种模块化工具和定制化解决方案。
• 数据来源：涵盖金融数据、另类数据、企业公告、研报等，数据量庞大且多样化。
• 鲸准研究院：专注于金融科技和智能金融的研究，提供深度分析与行业洞察。

总结

智能投研作为金融科技的新兴领域，正处于快速发展的初期阶段，具有广阔的市场前景。行业面临诸多挑战，如技术与金融融合障碍、用户认知不足、盈利模式不清晰等。然而，随着人工智能技术的不断进步和金融监管的加强，智能投研将逐步向智能化和场景化发展，成为金融机构的重要辅助工具。未来，行业有望通过持续创新和深度合作，实现更大的突破和增长。