手工投研已死：别再用Excel的勤奋，掩盖判断力的破产

如果你问一个手工投研研究员，今天做了什么，他大概率会告诉你：看了公告，更新了模型，调了估值，写了点评，开了电话会。听起来很专业，甚至有点精英。但只要你把他的工作日志拆开，就会发现真相：从Wind、Choice、同花顺里导出数据，粘贴到Excel，对齐财年，调整口径，补缺口，做VLOOKUP，改格式，画图，复制到PPT，再写一段不痛不痒的结论。一天结束，80%的精力都花在整理表格上。你以为你是投研，实际上你是表哥表姐。跟电商运营没什么两样：后台导数据、做日报、盯竞品、改价格、报名活动、复盘GMV。都是数字流水线上的工人，只不过一个叫“投研”，一个叫“运营”。

这就是手工投研最大的骗局：它让你误以为自己在做研究，实际上你在做数据搬运。它让你误以为表格的精致等于认知的深度，实际上那只是Excel的美学。它让你误以为熬夜加班是护城河，实际上那只是低效的自我感动。

一、手工投研的80%：表格苦力与自我欺骗

手工投研的日常，本质上是一条数据苦力流水线。在中央财经大学2025年5月举办的一场专题讲座中，主讲人黄常忠博士披露了券商分析师的“三个1/3”时间分配原则：1/3调研上市公司、1/3与机构投资者路演交流、1/3撰写报告。但即便在这看似均衡的结构中，“撰写报告”这一环仍然充斥着大量的数据整理、格式调整和底稿制作。更现实的图景是，投研人员在工作日奔波于路演和调研，周末还要在家加班。在季报、半年报、年报发布高峰期，投研人员加班至深夜成为常态，业内甚至流传一句话——券商分析师“从不加班，因为永远在上班”。

在这种高强度的时间挤压下，真正用于独立判断的时间少得可怜。你不是在思考公司，你是在伺候表格。你不是在分析行业，你是在给数据源擦屁股。德意志银行在其官方博客中坦承，分析师的核心使命是提供原创、独立的经济和金融分析，“然而，撰写研究报告和笔记在很大程度上依赖于艰苦的手工劳动”——分析师需要从财务报表、监管文件和行业报告中搜集数据，然后投入大量时间构建财务模型、识别模式和趋势、在不同来源之间建立关联。这个过程耗时之长，以至于“可能限制分析的深度和他们能够覆盖的主题范围”。换句话说，手工投研不是没有判断力，而是判断力被表格淹没了。你花费数小时调整的财务模型，AI可能几秒钟就能生成。你熬夜写出的点评，AI可能一分钟就能批量产出。

更讽刺的是，这种工作极度可替代。你引以为傲的“深度研究”，在供给规模面前不过是流水线上的标准件。你覆盖的那些公司，有无数人在用同样的数据源、同样的框架、同样的模板做同样的事。你以为你在建立认知壁垒，实际上你在建立表格壁垒。而表格壁垒，是最容易被推倒的壁垒。

手工投研研究员最喜欢说“我有判断力”。但判断力从哪里来？如果80%的时间都在整理表格，剩下20%的时间只够看一眼结论，那判断力不过是直觉和偏见的混合物。你花三天做的模型，可能只是为了让一个早已形成的结论看起来更精致。这不是研究，这是给偏见化妆。

自我欺骗的高潮，是把加班当成价值。晚上十点还在改表格，就觉得自己很努力；周末还在更新数据，就觉得自己很敬业。但市场不会因为你Excel好看就给你超额收益，也不会因为你熬夜多就给你阿尔法。投资是结果导向的行业，不是劳动竞赛。如果勤劳能致富，那么最富的应该是数据录入员。手工投研用战术上的勤奋，掩盖战略上的懒惰。它让人沉浸在“我很忙”的幻觉里，逃避一个残酷问题：我的判断到底能不能挣钱？

二、同一赛道，同一标的池：AI投研不是另一个世界

很多人对手工投研有一种浪漫想象，认为AI投研是另一个赛道，是量化基金、科技公司玩的东西，跟传统基本面研究井水不犯河水。这是大错特错。AI投研和手工投研在同一个赛道，面对同一个标的池。无论是股票、债券、行业、公司，还是宏观、产业链、事件驱动，大家看的都是同一批资产。资金是同一批资金，标的是同一批标的，竞争的是同一套效率。

这就像主观交易和量化交易。主观交易者总觉得自己有盘感、有洞察、有艺术。但从数据来看，量化对主观的碾压已经不是理论推演，而是市场事实。据上海证券报2026年1月19日报道，私募排排网数据显示，2025年有业绩展示的百亿级量化私募平均收益高达37.61%，全部实现正收益；而同期百亿级主观策略私募平均收益仅为25.8%，两者相差近12个百分点。量化可以同时跟踪几千只股票，可以在毫秒级反应，可以严格执行止损，可以大规模复制。主观交易者再厉害，一天也只有24小时，也只能覆盖有限标的，也会恐惧和贪婪。长期来看，主观交易整体干不赢量化，这已经是被反复验证的结论。

同样的逻辑正在投研领域重演。AI投研可以同时读全市场公告、财报、电话会、新闻、研报、招聘信息、专利数据、供应链数据。手工投研只能看一小部分，而且看完就累，更新就崩。如果你觉得这只是“工具差异”，不妨看看已经在发生的现实。

Manulife的投资团队部署AI研究助手后，用于挖掘长文档的时间减少了70%至80%，截至2025年8月31日，65%的公开市场团队成员已将AI工具融入日常工作流。Manulife全球公共市场首席投资官Colin Purdie表示：“通过将这个工具整合到我们的流程中，我们正在加速洞察生成，让投资专业人员能够专注于高影响力的战略投资决策。”

德意志银行推出的AI研究代理DB Lumina，使分析师在准备财报笔记模板时节省30至45分钟，在撰写研究报告和路演更新时最多节省两小时。一位分析师在此基础上实现了50%的分析深度提升，增加了按地区和业务划分的额外章节。

中信证券依托火山引擎搭建的“超级研究员”系统，用户只需提出需求，系统便能自动化进行数据加工、图表生成和多模态输出，一键生成数万字的深度研究报告。目前，该体系已服务内外部用户近万名，月均使用量超3万次。

广发证券引入基于思维链的投研智能体后，AI行业定期报告从原来的4小时降低到仅需15分钟，并支持Excel底稿生成，率先在2个行业落地。申万宏源的投研智能体在FICC业务中实现自动舆情打标和智能标书撰写，人工处理的数据量从日均3000条降低为200条左右，整体工作效率提升60%。

这不是工具差异，这是代际差异。手工投研还在Excel里挣扎，AI已经完成了从数据到信号、从信号到仓位、从仓位到风控的闭环。

如果手工投研干不过AI投研，那么所谓的判断力就毫无用处。这里的“毫无用处”不是哲学意义上的，而是商业意义上的。判断力如果不能变成收益，那就是零。市场不会为你的“独立见解”付钱，只会为正确且可执行的仓位付钱。

手工判断力有三个致命漏洞：不可复现、不可回测、不可扩展。天风证券金融工程首席分析师吴先兴在北京大学经济学院的讲座中介绍了他们的做法：借助大语言模型从行业研报文本中提取景气度、超预期程度及行业拐点信息，选择景气度评分最高的行业进行策略构建。在没有显式提到“景气”或“超预期”关键词时，仍能从文本中提取出相关信息，这一策略实现了显著的超额收益，在成长型行业中更是实现了20个百分点的超额回报。手工投研能复制这个吗？不能。因为手工判断藏在分析师的直觉里，而AI判断写在代码里，可以回测、可以迭代、可以规模化。

三、尽快投奔AI投研：更少思维负担，更多收益

既然手工投研在效率上必输，在结果上不挣钱，那么继续坚持手工，就是选择做表哥表姐，用勤奋掩盖低效，用判断力幻觉掩盖收益破产。正确的选择只有一个：尽快投奔AI投研。

投奔AI投研，不是让人放弃思考，而是让人放弃低价值劳动。数据采集、清洗、对齐、更新，交给AI。财报、公告、电话会、新闻、研报的阅读和摘要，交给AI。事件监控、舆情预警、因子计算、组合优化、风险控制，交给AI。人做什么？人做更高层的事情：定义问题，设定目标，确定约束，分配风险预算，评估AI输出，处理异常情况，做最终决策。人从表哥表姐变成系统指挥官，从数据工人变成策略设计师。

Manulife的实践已经证明了这一点。其AI研究助手将公司财务数据、卖方评论、内部笔记、财报电话会议记录和新闻故事整合为可操作的洞察，Manulife财富与资产管理总裁兼首席执行官Paul Lorentz明确表示：“我们不将AI视为人类判断的替代品，而是将其视为战略伙伴，放大投资专业人员的能力。”

德意志银行的DB Lumina数字助手已被数百名研究分析师采用，德银全球投资研究首席运营官Pam Finelli称这是“超过12个月密切合作的成果”，并强调“这仅仅是我们旅程的开始”。

这会带来两个直接好处：更少思维负担，更多收益。更少思维负担，是因为你不再需要记住几百个Excel公式，不再需要担心漏掉某个公告，不再需要熬夜更新模型。Manulife的AI工具让65%的团队成员主动将其纳入工作流，本身就说明了这种“减负”的吸引力。更多收益，是因为AI投研可以覆盖更广、反应更快、纪律更强。天风证券基于大模型提取行业景气度信息的策略在成长型行业中实现了20个百分点的超额回报，申万宏源的投研智能体在核心业务条线中实现了60%的效率提升——这些都是手工分析师很难稳定复制的。

当然，投奔AI投研不等于无脑信仰AI。AI会犯错，会有幻觉。吴先兴在讲座中也特别提示了大模型可能带来的风险，包括过度依赖、模型幻觉以及合规风险，并指出在回测过程中通常会将temperature设置为0以避免模型产生幻觉，确保结果的可复现性。但这恰恰说明，正确姿势不是退回手工，而是人机协同——AI做脏活累活，人做关键审核和最终决策。

以下对比可以更清晰地呈现手工投研与AI投研在核心维度上的差距：

维度	手工投研	AI投研
文档处理时间	数小时至数天	秒级至分钟级（减少70-80%）
研报生成周期	4小时以上	15分钟至1小时
覆盖标的数量	有限（受人力约束）	全市场批量覆盖
判断可回测性	不可回测	可回测、可迭代
策略可复制性	依赖个人，不可复制	系统化，可规模化

手工投研的黄昏已经到来。继续手工，就是选择做表哥表姐，用Excel的勤奋掩盖判断力的破产，用加班的幻觉掩盖不挣钱的事实。尽快投奔AI投研，更少思维负担，更多收益。时代不奖励苦劳，只奖励认知杠杆。判断力如果不能杠杆化，就毫无用处。别自欺欺人了，市场不会因为你表格好看就给你超额收益。要么驾驭AI，要么被AI淘汰。

参考来源

[1] 中央财经大学讲座：券商分析师“三个1/3”时间分配原则，http://ccie.cufe.edu.cn/info/1032/1803.htm

[2] 券商分析师工作强度：每周80小时以上，https://zhuanlan.zhihu.com（搜索结果页）

[3] 上海证券报：量化领跑 主观分化 百亿级私募2025年平均收益32.77%，https://www.cnstock.com/commonDetail/621189#1

[4] Manulife WAM Brings Transformative Power of AI to its Investment Teams，https://www.manulife.com/ca/en/about-us/news/manulife-wealth-and-asset-management-brings-transformative-power-of-ai-to-its-investment-teams

[5] Deutsche Bank delivers AI-powered financial research with DB Lumina，https://cloud.google.com/blog/topics/financial-services/deutsche-bank-delivers-ai-powered-financial-research-with-db-lumina

[6] 火山引擎助力中信证券打造数字员工矩阵，https://www.donews.com/news/detail/4/6275297.html#1#1

[7] Agent如何重构投研工作流？申万宏源、昆仑信托等投研智能体建设实践，https://www.shaqiu.cn/article/agent

[8] 北大经济学院“金工首席谈”第32讲｜吴先兴：大语言模型与投研智能体的应用，https://m.thepaper.cn/newsDetail_forward_30526377