导读 近年来,大模型技术浪潮席卷全球,Agent 的应用更是从实验室逐步走向各行各业的实际产品环境中。熵简科技致力于成为中国金融资管领域的新一代 AI 基础设施提供商,公司于今年 8 月推出了国内首个真正意义上面向金融场景的泛任务专业级 AI Agent 产品 。本次分享的题目为《FinGPT Agent:迈向专家级 AI 金融分析师的实践与探索》。
*主要介绍以下五个方面的内容:*
-
AI+金融投研的建设背景与目标
-
FinGPT Agent 的产品形态与实践案例
-
Agent 背后的关键技术与实践探索
-
总结与展望
-
Q&A
分享嘉宾|李渔博士 北京熵简科技有限公司 联合创始人兼CTO
编辑整理|曲洋
内容校对|郭慧敏
出品社区|DataFun
扫码入群参与讨论
✅ 对分享有疑问?群里问!
✅ 老师在线解除疑惑!
✅ 有心得体会想分享?群里聊!
扫码入群参与讨论
01
AI+金融投研的建设背景与目标
1.投资研究的核心挑战:信息与认知不对称
资本市场的投资本质,是基于时间维度对资产进行定价和预测 。其收益来源核心是赚取“预期差”的钱,而预期差则源于两点:信息不对称和认知不对称 。信息不对称指的是“我知道一些别人不知道的信息”;认知不对称则是指“面对同样的信息,别人能发现独到的投资机会而我不能”。熵简科技从创业至今,始终致力于通过大数据和 AI 技术,构建一套能够帮助客户在信息和认知两个层面获得竞争优势的投资研究系统 。
2.AI投研系统的智能化分级(L1-L5)
我们参考智能驾驶领域的标准,对金融投研 AI 系统的智能程度进行了从 L1 到 L5 的分级。
- L1工具辅助: AI 能在单一环节提供辅助,例如从一篇数百页的研报中快速提取关键财务信息 。
- L2部分自动化: AI 能串联多个环节,针对特定场景(如每日市场复盘)形成相对完整的结论。目前行业内多数固定的工作流 Agent 处于此阶段 。
- L3有条件的自动化: AI 能针对特定市场,根据用户的任务目标动态规划工作流,并通过与环境的多轮交互,端到端地形成高质量的决策参考,与人配合完成最终决策。
- L4高度自动化: AI 可作为一套独立的系统,负责完整的资产管理工作,人类只需设定 KPI 指标 。
- L5完全自动化: 目前尚无明确定义,依赖于未来技术的发展 。
当前技术正处在从 L2 向 L3 演进的过程中 。而我们今天介绍的 FinGPT Agent,根据用户反馈和内部测试,已初步达到了 L3 级别效果 。
3.整体解决方案:Alpha Engine SaaS 平台
FinGPT Agent 是我们推出的 AlphaEngine 金融投研平台中的一个核心功能 。该平台定位为全球资本市场的 AI 投研工具,旨在运用生成式 AI,帮助投资者应对信息过载的挑战,有效筛选市场杂音,提升分析决策的效率和胜率 。目前平台已覆盖 A 股、港股、美股三大市场的一手资料,服务超过 6000+ 家资产管理机构和 6 万多名专业投资者 。
02
FinGPT Agent 的产品形态与实践案例
1. FinGPT Agent的核心能力与特色
FinGPT Agent 是国内首个面向金融领域的、支持泛任务的自主规划型投研 Agent 。其核心特色包括:
- 理解复杂投研指令: 能够处理如“分析美联储降息对全球及中国市场的影响”这类复杂的深度研究任务 。
- 自主调用专业工具: 可自主使用包括研报查询、财务分析、产业链分析在内的 22 种不同类型的专业投研工具 。
- 撰写深度研究报告: 能够形成逻辑严谨、数据详实、观点明确的深度报告 。
- 达到准专家水平: 在我们内部对 18 种投研场景的评估中,其表现已接近甚至略微超过初中级的人类分析师 。用户的直接反馈也证实,其水平约等于一位拥有三年经验的分析师 。
2.与通用型 Agent 的核心差异
相比于市面上的通用型 Agent,FinGPT Agent 的核心优势在于真正解决了金融场景下的
信息不对称和认知不对称问题 。
- 数据壁垒(解决信息不对称): 我们拥有面向全球资本市场的全量、深度、专业的研究资料库,这是通用模型不具备的,背后是我们长达八年的数据积累与治理。
- 专业知识壁垒(解决认知不对称): 我们内置了一套关于“如何做公司研究”、“如何做行业分析”、“如何做估值…