金融行业，无砖可搬？

本文来自微信公众号： 蓝字计划 ，作者：Hayward

金融圈有个传了三十年的笑话：

招最聪明的名校生，干最没技术含量的Excel文档整理活。

老板一句：“明早要一版某家公司的DD deck”，你就得去天眼查翻股权结构，去官网确认业务，再打开年报、公告、新闻和访谈，把收入、利润、客户、供应商、核心团队、诉讼风险这些信息一点点抠出来。

等把散落在十几个网页里的信息拼成表、把非标准Excel清洗干净，再整理成老板能看的版本，最后可能也不过三页PPT。

大量的粗活、杂活、笨活，金融圈起了听起来专业得多的名字：data collection、table cleaning、comps first draft、DD deck skeleton、news flow tracking。

但这些事情的本质，都是信息搬运。每一个金融人都熟得不能再熟，因为这就是他们工作的日常。

这种状态持续了太久，久到大家都觉得它就是金融业的常态：聪明人做笨活，忍着就好。

但隔壁的程序员已经不用忍了。

Codex等编程Agent的出现，把查文档、写样板代码、补测试这些过去靠新人堆时间的环节全部承包了，也改变了程序员的工作格局。而现在，同样性质的变化轮到了金融行业。

提起过去我们常用的AI，本质上就是一个聊天框，你问一个问题，它回一段话，你再手动复制粘贴到自己的Excel或PPT里。

那么，它到底能不能干金融里的复杂活？

一个典型场景是量化研究。

在金融行业里，量化研究大概是技术含量最高的工种之一：用数学模型和海量数据寻找市场里反复出现的规律，业内叫“因子”；找到之后再用历史数据跑验证，看它过去收益怎么样、交易成本高不高、风险大不大。

这项工作听起来核心是想出好策略，但研究员大量时间其实花在了别处：捞数据、清洗字段、写回测代码、调参数、等结果、整理报告。一轮迭代转下来，几天就过去了，真正留给策略逻辑本身的时间并不多。

比如，“在A股找可解释、低换手的alpha，优先看价量反转、波动率调整动量和流动性冲击”。

当然，8个因子全都达标这种事，在真实量化研究里本来也少见。

但这项任务真正消耗时间的地方，是“跑完一轮，发现哪些不行，为什么不行，下一轮该调什么”这个循环。

研究员要做的，变成了判断这些建议是否合理，然后决定往哪走。

另一个更普遍的金融场景，是DCF。

手动做一个完整的三表模型加DCF估值，光是从同花顺导数据、配平资产负债表、写清每一条假设，就能耗掉大半天。

量化研究和DCF看起来是两类场景，一个偏策略研究，一个偏估值建模。

但它们背后的工作逻辑其实一样：可以拆分任务，可以查验数据，还可以自行读取文件，搭建模型，最后交付结果。

这个区别，也正是后面所有变化的起点。

分水岭提前到来

量化研究和DCF当然足够硬核，但对大多数金融人来说，真正能改变日常的，还是那些每天都在发生的普通工作。

比如最开始提到的，做一份DD deck。

在过去，这项任务可不是打开天眼查看一眼就结束。要查公司股权结构，看官网业务，翻年报和公告，扫新闻和舆情，再把company profile、ownership structure、financial snapshot、risk factors和red flags整理出来，最后塞进一份PPT里。

在过去，“熬夜”本身就是竞争力。谁能扛事，谁的动作更快，谁能按时交活，谁就更容易被领导看见。

老板不会问别人是怎么做到的，只会问你为什么还没交。

过去一个人想看清一个行业，必须一家家公司拉数据、看公告、做comps table。30家peer扫下来，光整理口径就够耗人。

这时，senior analyst就不用再从零开始搬材料。他们可以直接开始检查口径、挑出异常、修正假设，再把这些材料变成真正站得住的investment thesis。

过去等junior做一份行业comps，可能要两天；等DD deck第一版，可能要一个晚上；等预算表和实际数据对完，FP&A可能要来回改几轮。

这时，人要做的，就从重新搬一遍材料，变成复核来源、检查口径、修正假设，再决定这些信息到底怎么用。

当所有人都能更快拿到一份像样的first draft，真正见高下的地方，就提前到了底稿之后。

谁能发现问题，谁能修正假设，谁能看出revenue breakdown里哪个数字最值得追问，谁能判断EV/EBITDA和P/E到底该用哪个，谁能把AI跑出来的材料改成老板、客户、投委会愿意听的观点......

抢先一步做到的人，就意味着能更早地展现出自己的能力。

大家都能更快拿到底稿，底稿之后的环节，才是真正见高下的地方。

金融行业的Codex时刻

回头看编程行业这两年的变化，可能是理解Agent Swarm最好的坐标系。

Codex刚出来的时候，大多数程序员不当回事。不就是个自动补全工具嘛，写几行样板代码、补几个测试用例，省点手工活，仅此而已。

但后来的发展超出了所有人的预期。

Codex和它催生的一系列编程Agent，给整个行业带来了一次能力跃迁。

初级开发者不用再把大量时间耗在查文档、写CRUD、调格式、补测试这些重复劳动上，可以更快碰到架构设计、性能优化、复杂业务逻辑。

高级开发者也一样受益，AI承接掉那些不得不做、但不值得亲自做的部分，他们可以把精力集中在更难的工作内容上。

程序员被淘汰了吗？没有。但整个行业的水位线上升了。

最开始，它只是少数人的个人优势。

而前夜最大的特点是，大多数人还没意识到天快亮了。