• 机构：State Street Investment Management
• 项目：AI and machine learning in investment process
• 时间：2026 年 1 月
• 类别：投资管理 / 风险分析 / 预测建模 / 生成式 AI
• 来源：https://www.ssga.com/us/en/intermediary/insights/how-ai-is-transforming-investment-management-state-street-strategic-approach ↗

投资管理面对的不是单一客户问题，而是海量市场数据、非结构化文本、风险因子、交易信号和投资组合约束。AI 可以提升预测、研究和风险分析能力，但如果模型不可解释、过度复杂或对输入过度敏感，就可能影响投资纪律。

State Street Investment Management 的案例强调“AI backed by investment principles”。它把 AI 看作放大人类判断的工具，而不是替代投资专家的黑箱。对于银行资管、理财和投研团队来说，这种纪律性尤其重要。

该机构披露，机器学习和 AI 已成为其投资流程的一部分，支持从交易到预测的多个用例。它使用非线性方法、自然语言处理、生成式 AI 等高级技术，但始终放在其核心投资原则之下。

四个原则包括：模型逻辑要有经济或行为解释；模型输出和模型本身尽可能透明；历史测试中输入小变化不应导致结果剧烈波动；建模工作流要灵活、成本有效并足够稳健。对于非结构化文本和视觉信息，机构会采用 ML 方法，但仍强调透明、稳健和流程效率。

官方文章披露，AI/ML 已在投资流程中服务交易、预测、风险分析和研究自动化。该机构持续增强量化投资平台，并用生成式 AI 强化这些平台的灵活性、可扩展性和自动化。

虽然文章没有给出收益率提升数字，但它提供了非常重要的治理框架：在投资领域，能否解释、能否稳健、能否融入流程，比单次预测准确率更关键。这对银行学习 AI 投研尤其有价值。

• 投资 AI 应先定义建模原则，再选择模型类型。
• 对研报、公告、新闻等非结构化文本可做摘要、主题提取和情绪辅助分析。
• 投资组合建议要与风险预算、因子约束和投资政策声明对齐。
• GenAI 可用于研究效率提升，但不能单独输出买卖结论。

• 模型输出要可解释，尤其是影响组合权重或风险暴露时。
• 历史回测要防止过拟合和数据窥探。
• 生成式摘要必须保留来源，避免遗漏不利信息。
• 人类投资委员会仍应对最终投资决策负责。

用三篇虚拟市场评论做“投研摘要 + 风险因子提取”：输出主要观点、利率风险、信用风险、市场情绪和需要人工进一步核实的问题。