科技行业Fintech前沿应用探索专题：星光不问赶路锻造中信证券研究投研图谱-20210603（24页）.pdf

《科技行业Fintech前沿应用探索专题：星光不问赶路锻造中信证券研究投研图谱-20210603（24页）.pdf》由会员分享，可在线阅读，更多相关《科技行业Fintech前沿应用探索专题：星光不问赶路锻造中信证券研究投研图谱-20210603（24页）.pdf（24页珍藏版）》请在三个皮匠报告上搜索。

1、市场现阶段流行的主流投研领域图谱工商+舆情工商信息图谱是发展较完善的图谱。以此为业务的相关公司例如企查查、天眼查等，大型金融公司内部也都会自发构建工商企业图谱，从而辅助风险控制、关联企业查询等工作。舆情事件通常基于新闻等海量文本进行实体提取、事件提取、关系提取从而构建基于新闻舆情的事件图谱。事件图谱可以几乎实时地跟踪市场发生的新闻事件，并基于图谱结构给出事件可能影响的实体范围，做出的风险提示可以辅助投资决策尽量避开一些突发风险。专业机构投研端供需错配技术准确率的边界与短期需求间的矛盾。投研领域的边界广、难度高，当前的人工智能模型优势在于封闭领域的应用，人工与计算机辅助的结合应当是中短期相当长一

2、段时间内投研领域的局面，导致单纯基于数据的大规模图谱很难落地，与研究人员有交互的图谱对准确率要求高，高准确率又会碰到当前的技术边界，从而导致大规模图谱的人工维护成本高。面向机构用户应用的供给与需求错配的矛盾。机构专业研究人员在市场获得的信息大致可以分为：信息、观点、知识。当前市场上存在大量金融行业知识图谱、产业链图谱等产品，覆盖了大量客观事实或知识，形成了对专业投资者进行科普的现状。对于事实或领域基础知识的科普类图谱工具定位个人投资者应当更加合适，而面向专业投资者或研究员的图谱，提供的服务应该是海量信息的专业提炼或融入知识的关键信息。从产业链图谱看投资应用，图谱中的节点与投资标的的距离相对更远，基于自动化提取完成大而广的图谱很难提供收敛且横向可比的核心因子，从而对投资和研究失去了直接的指导意义。数据分布分散与数据对齐困难导致数据资产整合推动慢。对于数据管理方面，机构研究部门当前的数据管理相对分散，大多数据会以不同的形式分布在不同人员手中，数据共享难度较高。对于数据形式方面，数据资产之间来源不同会导致数据字典不对齐，而数据融合和对齐也是一大难点之一。此外，不同情况中还有人为因素、财力因素等等其他因素导致的数据资产整合难、图谱构建覆盖的数据不全等问题。