上海
這周末與朋友/會員探討了研究員有沒有用這個問題，大家紛紛嘻嘻哈哈地調侃了一兩句，最終結論還真的就是“混口飯吃”。說起來我早就和這個問題和解了——早在直播間有會員說是因為我手好看才付費的時候，我就已經想通了……
如果你把研究員進一步細分到宏觀，然后你又是個美股投資者的話，那么可能每年你需要宏觀研究員的時間真的不多。首先標普09年到現在就四根年陰線，算大的就22年那一根，那年你確實需要一個宏觀研究員。但其他時候一年內可能只有一兩個月你需要一個宏觀研究員在你耳邊講講（但也只是講講罷了），比如20年的3月，24年的7-8月，25年的4月等等。
最近Warsh的聽證會和Waller的演講里都有diss經濟學這門學科，市面上也有很多人會認為經濟學不是那種“火箭科學”，但我的想法是這門學科本來就解決的是非常原始的問題，為什么他一定需要上升到“火箭科學”呢？非要把自己包裝成非常艱深的學科，反而在發展上受制于統計的暴政。
至于預測準確度上的指摘，那確實只能承認自己沒有水晶球。比如20年，我相信大多數宏觀研究員都難以在3月下旬就轉向樂觀，我的體感是直到7月很多人才被市場“說服”；而22年的聯儲轉向，哪怕及時表達了悲觀，但如果對AI沒有什么認知，還是很難從那一年的熊市思維里及時抽離出來。
為什么到了這個時間點會有更多的質疑聲冒出來？我想主要還是AI現有的檢索能力、LLM本身的能力可以把歸納和總結的工作做得非常好了，如果你又有自己獨到的數據和信源體系，甚至線下信息的轉錄效率，那么許多研究事項你不再需要依賴別人，只需要自己動手就好了。我相信很多機構會在一年內開始搭建自己內部的投研Agent平臺，研究的模式需要順應時代的發展，也要適配利用者攫取Alpha的模式。
如果你是一個略感挫敗的研究員，我的建議是先擴大自己的研究涉獵范圍，我之前的一些文章里提到“全時段、多資產、跨市場”，然后對各個垂類現有的Skills做一個系統龐大且結構精細的梳理，每個垂類接入數據基座（API），然后隨著時間的推移不斷更新即可，如果時間分配不過來，那至少要把自己本身熟悉的領域迭代好。
在這個時代，研究者應該做好這三件基本工作記錄、跟蹤和探索。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
