金融科技行业投资观察 -ChatGPT影响金融科技的几个猜想 20230213 -中信证券

1、证券研究报告请务必阅读正文之后第 17 页起的免责条款和声明ChatGPT 影响金融科技的几个猜想金融科技行业投资观察2023.2.13中信证券研究部核心观点邵子钦非银行金融业首席分析师S1010513110004薛姣非银行金融业分析师S1010518110002童成墩非银行金融业联席首席分析师S1010513110006田良金融产业首席分析师S1010513110005由于 ChatGPT 在语义识别和人机交互方面的技术突破，我们猜想其对金融科技可能产生三方面的影响：改变线上化-数字化-智能化发展路径，并提高发展速度；突破财富管理的投顾瓶颈；全面提升客服效率。无论超级生态还是垂类生态都面临发

2、展机遇，数据-模型-算力相结合构成核心竞争力，尽管飞轮效应尚待时日，但技术应用的进展值得重点关注。重点推荐同花顺、东方财富，重点关注蚂蚁集团、腾讯金融、盈米基金。ChatGPT：基于大型语言模型的对话机器人，其核心改进是通过人工反馈和强化学习实现语义识别和人机交互。2022 年 11 月 30 日 OpenAI 推出对话机器人原型 ChatGPT，能够通过自然语言处理（NLP）技术实现对话生成。ChatGPT以大型语言模型为基础，加入人类反馈强化学习（RLHF），通过迭代，在语义识别、对话逻辑、表达方式、回答丰富度等方面得到显著提升。关于 ChatGPT 影响金融科技的猜想：可能改变之前默认的

3、线上化-数字化-智能化发展路径。由于 ChatGPT 类人机交互会生产生新的用户数据，智能化可能反向推动数字化，加速数据的闭环迭代。可能突破财富管理的投顾瓶颈。财富管理是金融科技最大的增长点，第三方财富管理（含保险在内的大理财）最大痛点是投顾服务线上化，投顾服务线上化的难点是用户交互。ChatGPT 为用户交互体验大幅提升提供可能性。全面提升客户服务效率。替代零售客户服务中的人工基础性工作；为投顾赋能；为机构客户提供数据分析和资讯整理。ChatGPT 对金融科技行业的影响：超级生态与垂直生态都有机会。大型互联网平台具备模型训练能力和数据基础，可以创建通用模型来提高业务效率和表现，以及对外输出。

4、小平台通过结合ChatGPT 等人工智能模型的 API 以及自身金融知识图谱实现垂直领域模型应用。数据-模型-算力结合构成核心竞争力。在 ChatGPT 这个应用场景下，如果能够持续贡献海量真实且有标注的数据，使模型不断优化，有望实现自我迭代和形成闭环。飞轮效应和有效拓客尚待时日。因为真实的用户调用和模型迭代的飞轮效应，需要真实数据积累和人工标注，需要投入大量的人力和算力。另外，用户愿意接受机器人的陌生拜访不仅需要机器人高水平的问答能力，还需要用户与机器人建立信任关系。风险因素：人工智能发展不及预期；美国政府限制英伟达、AMD 出售高性能 GPU导致算力受限；美国制裁导致 OpenAI 等公司

5、拒绝向中国企业开放 API；财富管理行业竞争加剧。投资策略：选择头部超级生态和金融垂类平台。ChatGPT 为用户交互体验大幅提升提供可能性，而用户交互是线上投顾的基础，投顾又是财富管理的核心痛点。因此 ChatGPT 在金融科技领域的应用值得重点关注。由于 ChatGPT 的核心包括数据、模型和算力，背后分别是规模、科技和资本，对于超级生态和垂类平台都有机会。重点推荐拥有交易心智和 AI 能力储备的同花顺、拥有权益基金心智和用户基础的天天基金网母公司东方财富，另外建议重点关注未上市的蚂蚁集团、隶属于腾讯控股的腾讯金融、买方投顾的领先平台盈米基金。获取更多最新资料请加微信：chensasa66

6、6金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明2陆昊非银行金融业分析师S1010519070001张文峰非银行金融业分析师S1010522030001重点公司盈利预测、估值及投资评级简称代码收盘价EPSPE评级2122E23E24E2122E23E24E同花顺300033.SZ123.093.563.544.315.2135352924 增持东方财富300059.SZ21.970.650.680.831.0034322622 增持资料来源：Wind，中信证券研究部预测注：股价为 2023 年 2 月 10 日收盘价获取更多最新资料请加微信：chensasa666XV

7、EVyRmRpMrQtNnOtOpQrQ7NcM6MnPnNpNtQiNoOpNfQmNqM8OoPmQwMsPrNvPpNrO金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明3目录ChatGPT 打开人机交互想象空间.5 ChatGPT：基于大型语言模型的对话机器人.5 核心改进：通过人工反馈和强化学习实现语义识别和人机交互.5 关于 ChatGPT 影响金融科技的猜想.7 优化行业默认发展路径.7 突破行业原有瓶颈.8 全面提升客户服务效率.9 ChatGPT 对金融科技行业的影响.9 超级生态与垂直生态都有机会.9 数据-模型-算力结合构成核心竞争力.10 飞轮效

8、应和有效拓客尚待时日.14 风险因素.15 投资策略.15 获取更多最新资料请加微信：chensasa666金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明4插图目录图 1：ChatGPT 初始页介绍.5 图 2：ChatGPT 日活跃用户.5 图 3：GPT 家族主要模型演进过程.6 图 4：ChatGPT 模型的训练过程.7 图 5：ChatGPT 使用案例.8 图 6：ChatGPT 科普用例案例.9 图 7：ChatGPT 赋能理财师用例案例.9 图 8：Open AI 接口部分案例.10 图 9：同花顺 AI 发展历程.11 图 10：同花顺智能金融问答产品结

9、构.11 图 11：同花顺历年用户数量信息.11 图 12：蚂蚁集团 AI 能力.12 图 13：金融智能场景.12 图 14：蚂蚁运用前沿科技和用户洞察构建了智能投资生态.12 图 15：“帮你投”+“支小宝”形成广义投顾体系，奠定智能投顾基础.13 图 16：天天基金 AI 客服“小天”界面.14 图 17：支付宝 AI 客服“支小宝”界面.14 表格目录表 1：GPT 家族主要模型对比.5 获取更多最新资料请加微信：chensasa666金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明5 ChatGPT 打开人机交互想象空间ChatGPT：基于大型语言模型的对话机

10、器人2022 年 11 月 30 日 OpenAI 推出对话机器人原型 ChatGPT，能够通过自然语言处理（NLP）技术实现对话生成。ChatGPT 是 GPT（Generative Pre-trained Transformer，生成式预训练语言模型）系列模型下的一个分支，在 GPT-3.5 的基础上进行微调而成，通过人类反馈强化学习实现了先前版本中没有的对话交互能力，能够结合上下文进行问答，承认问答中的错误，质疑不正确的前提以及拒绝不适当的请求。具体用例包括普通聊天、资料搜集和汇总、代码生成、文字创作等。ChatGPT 推出后吸引了广泛用户，据 Sam Altman和 ARK Inves

11、t 数据，用户数在 5 天内突破百万，在 40 天内日活更是突破千万规模。图 1：ChatGPT 初始页介绍图 2：ChatGPT 日活跃用户资料来源：ChatGPT资料来源：ARK Invest核心改进：通过人工反馈和强化学习实现语义识别和人机交互大型语言模型是 ChatGPT 的基础。历史上 GPT 系列模型主要迭代都历经了参数量和训练数据量的跃进式提升，参数量从 GPT-1 的 1.17 亿提升到 GPT-3 的 1750 亿，预训练数据量也从 5GB 提升至 45TB，模型效果也随之得到了显著提升。GPT-3 通过大量训练在没有微调的情况下已经可以应用于丰富的语言相关任务，包括翻译和文

12、本生成等。表 1：GPT 家族主要模型对比模型发布时间参数量预训练数据量GPT-12018 年 6 月1.17 亿约 5GBGPT-22019 年 2 月15 亿40GGPT-32020 年 5 月1750 亿45TB资料来源：ChatGPT 发展历程、原理、技术架构详解和产业未来（作者：陈巍 博士，收录于先进 AI 技术深度解读），陈巍谈芯知乎，中信证券研究部ChatGPT 在此基础之上进行微调，加入了人类反馈强化学习（RLHF）。ChatGPT 在训练过程中使用了与 InstructGPT（ChatGPT 的姐妹模型，通过使用额外的人工和机器获取更多最新资料请加微信：chensasa666

13、金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明6编写的数据对早期的 GPT-3 模型进行微调而开发）相同的方式，但在数据收集方式上略有不同。第一个阶段：监督微调（Supervised FineTune，SFT）。从数据库中随机生成提问，由标注师提供答案，通过问答数据并进行监督学习，从而对 GPT-3.5（一系列基于 2021 年第四季度之前的文本和代码混合训练的模型，也包括 ChatGPT和 InstructGPT）实现微调。第二个阶段：训练奖励模型（Reward Model，RM）。从数据库中随机生成提问，并使用模型生成多种答案，由标注师对答案进行偏好排序，并给予相

14、应分数，这类数据用来训练奖励模型。第三个阶段：结合 PPO(Proximal Policy Optimization)强化学习算法和上一阶段的奖励模型来优化策略。通过迭代以上流程，ChatGPT 在语义识别和人机交互领域实现了质的飞跃。通过人工干预生成“符合人类偏好”的数据，并利用强化学习反复迭代以上流程，与 GPT-3.5 相比，ChatGPT 在语义识别、对话逻辑、表达方式、回答丰富度等方面得到了显著提升，已经具备多轮人机交互的能力，远超以往大模型的对话水平。图 3：GPT 家族主要模型演进过程资料来源：ChatGPT 发展历程、原理、技术架构详解和产业未来（作者：陈巍 博士，收录于先进

15、AI 技术深度解读），陈巍谈芯知乎获取更多最新资料请加微信：chensasa666金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明7图 4：ChatGPT 模型的训练过程资料来源：ChatGPT 发展历程、原理、技术架构详解和产业未来（作者：陈巍 博士，收录于先进 AI 技术深度解读），陈巍谈芯知乎，中信证券研究部 关于 ChatGPT 影响金融科技的猜想优化行业默认发展路径线上化-数字化-智能化发展路径虽已达成共识，但在现实中尚未找到可行路径。线上化-数字化-智能化是业内默认的金融科技发展路径。从支付、信贷、理财、保险各业态来看，线上化程度由高到低，其决定因素是功能的

16、使用频次和刚需程度。支付这一高频刚需已经成为线上化入口并延伸至信贷、理财、保险等业态。而数字化尚处探索的初级阶段，如何从数字化迈向智能化尚未可知。ChatGPT 类人机交互有望加速数据的闭环迭代，为智能化发展指明方向。在过去的发展中，金融科技企业通常需要去挖掘数据用于模型训练和知识图谱构建，先数据后模型是一个单向的流程，数据迭代闭环不充分。在与客户交互过程中，若采用人工方式，有成本较高、难以生成标准化数据流等问题；若采用机器人方式，语义理解能力限制了数据质量，而且由于功能有限，客户通常没有耐心去与之沟通。ChatGPT 在人机交互和语义识别方面的巨大提升可能为金融科技企业带来新的数据渠道，生成数据-打标签-训练模型，在形成人工智能体系的同时，构建专业的知识图谱，有望进一步反向推动数字化进程，使模型持续迭代效率提升。这一方面可能优化金融科技默认发展路径，另一方面也有望加速金融科技行业发展。获取更多最新资料请加微信：chensasa666金融科技行业投资观察2023.2.13请务必阅读正文之后的免责条款和声明8突破行业原有瓶颈财富管理是金融科技最大的增长点。从支付、信贷和理财（包括保险）三