AI赋能资产配置：智能投研Agent应用实践

随着AI在金融投研领域的深度渗透，市场正从“万能模型”转向“专业智能体（Agent）矩阵”。传统投研中，财务估值建模、深度政策解读和产业链挖掘等任务高度依赖分析师的复合能力，耗时且难以标准化。AlphaEngine与Alpha等投研智能体，旨在克服高耗时和重复性的基础工作。实际案例显示，针对公司A的未来业务增长预期，AlphaEngine能在数分钟内完成DCF模型构建，并输出未来12个月的目标股价区间，为投资决策提供数据支撑；在政策分析方面，Alpha派和AlphaEngine都能读取研报数据库，针对政策变化，快速解析潜在影响，并输出结构化结论，辅助投资者把握先机。由于索引数据以及来源可靠，显著提升了信息可信度，有效规避了“AI幻觉”问题，确保了其在金融领域的高实用性。与DeepSeek等通用大模型相比，AlphaEngine和Alpha派更专注于垂直投研场景的深度优化，强调任务自动化和产业链集成，而DeepSeek作为通用AI模型，在泛化能力上更强，但缺乏投研领域的专业定制化。综合而言，AlphaEngine和Alpha派等投研智能体已成为机构投研流程的“自动化引擎”和“初筛工具”，能将相关人员从基础数据中解放出来，聚焦于深度框架搭建和风险管控。AI赋能资产配置，未来转化为可持续的超额收益，需在AI输出基础上叠加人类专家的定性判断与动态监控，尤其关注模型假设合理性、政策兑现速度及市场情绪变化等关键变量，以实现智能化工具与经验决策的最佳协同。风险提示：AI幻象问题对投资造成的扰动Alpha派应用实践案例02目录Alpha

Engine应用案例01Alpha

Engine与Alpha派比较03FinGPT：搭载于AlphaEngine的金融投研专业AI模型FinGPT

Agent

适用的五大场景：宏观策略、行业研究、公司研究、财务估值以及热点追踪。图：AlphaEgnine拆解上市公司估值模型任务两种模式：快速问答：秒级响应。搭载DeepSeek

R1

0528满血版。快速获取清晰答案，并带有准确溯源。AI

Agent：专家级分析。国内首个具备自助规划、任务编排能力的金融投研智能体，开启“Vibe

Investing”新范式。能够理解负责投研指令，拆解为Todo

List并逐步完成已接入22个投研类MCP工具（研报查询、财务分析、产业链洞察、估值建模等）可自动撰写研究笔记、输出完整研究报告IRB（投资研究基准测试）显著超越OpenAI

Agent，在事件分析、估值建模、逻辑推理等18个纬度领先。AlphaEngine学习案例：AlphaEngine智能体辅助财务估值建模针对其特有的数据库，FinGPT将任务分解为以下步骤：收集了多家机构（如高盛、美国银行、汇丰等）的目标价和DCF参数。总结了关键财务预测数据，如净利润增长率。提取了DCF建模的核心参数范围，如WACC、永续增长率等。详细说明了DCF建模步骤，包括自由现金流预测、贴现率计算、终值计算等。进行了敏感性分析，展示了不同情景下的目标价区间。给出了风险提示和结论，包括目标价区间和上行空间。与其他AI

Agent不同，其核心优势在于，所有观点与数据均溯源至可靠的国内外投研报告。这一机制显著提升了信息可信度，有效规避了“AI幻觉”问题，确保了其在金融领域的高实用性。例如，用户可以提出一个关于财务估值的具体任务：基于公司A未来的业务增长预期，构建一个

DCF（现金流折现）估值模型，并测算自2025年10月起，其未来

12

个月的目标股价区间。基于快速问答模式，FinGPT首先研读了AlphaEngine自身特有的数据库，研读材料，约“12.69万”字，远超人类分析师的阅读速度。图：AlphaEgnine研读特有数据库AlphaEngine。图：AlphaEgnine研读特有数据库AlphaEngine学习案例：AlphaEngine智能体辅助财务估值建模下图展示了AlphaEngine生成的公司A在未来

12

个月的目标股价区间。图：AlphaEngine回答AlphaEngine图：AlphaEngine回答AlphaEngine学习案例：AlphaEngine智能体辅助财务估值建模图：AlphaEngine回答AlphaEngine图：AlphaEngine回答AlphaEngine学习案例：AlphaEngine智能体辅助财务估值建模该回答参考的投研文献包括以下27篇投研报告，作为研究的底层投入依据。图：AlphaEngine参考文献AlphaEngine学习案例：AlphaEngine辅助政策分析用户可以提出一个关于政策的具体任务：美国与中国香港陆续推出稳定币法案，预计对全球资本流动产生什么影响，尤其是对权益资产的影响；基于Agent问答模式，FinGPT首先将任务分解成为以下几个任务，生成研究计划，并生成md格式。图：AlphaEgnine生成的研究计划任务包括：

分析美国《GENIUS法案》和中国香港《稳定币条例》的核心内容与监管要求，对比两地监管框架的异同点。1

研究美国《GENIUS法案》的主要内容、监管范围及特点 2

分析中国香港《稳定币条例》的核心要求、牌照制度及储备资产规定 3

对比两地监管框架的异同点及可能的协同效应2.

研究稳定币监管法案对全球资本流动的影响机制与传导路径，特别关注跨境资金流动和国际支付体系的变化。2.1

分析稳定币监管对跨境资金流动的影响机制2.2

研究对国际支付体系的潜在改变2.3

评估对资本市场流动性和效率的影响3.

评估这些监管措施对权益资产(股票、股权等)的潜在影响，包括投资者信心、市场流动性变化以及机构资产配置调整等维度。3.1

分析稳定币监管对权益资产估值的影响3.2

研究对投资者信心和市场情绪的影响3.3

评估机构投资者资产配置策略可能的调整4.

分析不同地区(美国、亚洲、欧洲)权益市场对稳定币监管的差异化反应，以及可能出现的区域性投资机会与风险。4.1

研究美国权益市场的可能反应4.2

分析亚洲市场（尤其是中国香港）的特殊影响4.3

评估欧洲市场的潜在反应及其与美亚市场的差异4.4

总结区域性投资机会与风险AlphaEngine学习案例：AlphaEngine辅助政策分析FinGPT

Agent在该流程中引入了一项关键机制——工作笔记。其核心价值在于实现政策分析的过程透明与参数溯源。在完成每一个独立子任务后，Agent会自动生成并保存一份简要的工作笔记。工作笔记清晰记录了：政策核心条例、政策对比、数据来源等信息。与快速问答模式相似，Agent同时也列出了参考文档。此任务共参考了58篇文档，生成18篇工作笔记。图：AlphaEgnine生成的md格式的工作笔记（部分）AlphaEngine图：AlphaEgnine参考文献（部分）AlphaEngine学习案例：AlphaEngine辅助政策分析图：AlphaEgnine生成的回答列举AlphaEngine学习案例：AlphaEngine辅助政策分析图：AlphaEgnine生成的回答列举（续）AlphaEngine学习案例：AlphaEngine辅助政策分析图：DeepSeek生成答案DeepSeek为探究AlphaEngine

Agent模式相比于传统大语言模型的优势，使用同样的问题向DeepSeek提问，并联网搜索。以下为DeepSeek生成答案学习案例：AlphaEngine辅助政策分析DeepSeek为探究AlphaEngine

Agent模式相比于传统大语言模型的优势，使用同样的问题向DeepSeek提问，并联网搜索。以下为DeepSeek生成答案：图：DeepSeek生成答案学习案例：AlphaEngine辅助政策分析AlphaEngine答案与DeepSeek答案对比：两份回答在核心判断上高度一致，都认为美港稳定币法案将强化美元地位、改变资本流动、并推动权益资产代币化。它们的根本差异在于分析的深度、广度和呈现方式。AlphaEngine

的回答AlphaEngine的优势核心结论加速稳定币主流化，改变资本流动，权益资产进入代币化新时代。重塑全球资本格局，并对不同区域和行业的权益资产产生差异化影响。结论高度相似，均预见了深远的结构性变化。整体结构与逻辑相对简洁，分为核心、资本流动、权益资产三大块，但各部分衔接略松散。高度专业和体系化，分为监管框架对比、资本流动影响、权益资产影响、区域市场反应四大章节，层层递进，逻辑严密。体系化程度高，尤其增加了**“区域市场反应”**（美国、亚洲、欧洲），提供了更全面的全球视角。监管框架对比仅用一张表格简单对比了战略目标、监管哲学等四个抽象维度。进行了深入的制度解析：详细阐述了美国《GENIUS法案》的“双轨监管模式”、“三类发行主体”，以及中国香港的“审慎开放原则”、“四大监管支柱”等具体条款和细则。提供了更具体、更具操作性的法规细节（如储备资产类型、发牌主体、反洗钱阈值），有助于理解政策执行的差异。数据与定量支撑提及了美财部评估的6.6万亿美元银行存款外流，以及RWA市场规模2万亿美元的预测。提供了更丰富、更具体的定量数据：如传统银行跨境支付6.62%的费率、稳定币交易成本1%以下、10.8万亿美元的交易额、美债持仓1755亿美元、中资券商潜在收入1123亿元等。数据支撑更强，用具体数字量化了效率提升、市场规模和对美债市场的影响，增强了分析的权威性和说服力。权益资产分析深度集中在“代币化浪潮”这一宏观影响，提到了传统金融机构入场和新的投资赛道。进行了细致的“估值影响机制”分析（利率传导、市场信心），并对不同行业（金融券商、传统银行）进行了差异化影响分析，甚至以胜利证券为例进行前瞻性布局的案例分析。更贴合权益资产的分析框架，不仅谈论宏观趋势，更深入探讨了微观层面的估值逻辑和行业分化，对投资者更具指导意义。宏观叙事深化聚焦在美元循环的强化。提出了“数字美元”崛起、全球资本从“石油美元”向“数字美元”转型的宏大叙事，并深入分析了其对新兴市场的**“资本外流工具”和“系统风险传导”**等挑战。深化了宏观叙事，将稳定币监管置于全球金融格局转型的背景下，探讨了其对全球金融体系的系统性风险。风险提示提及新兴市场资本外流风险。系统性地总结了核心潜在风险（跨市场流动性、监管不确定性、对传统银行的冲击），并融入在整个分析中。风险意识更强，提供了更全面的预警。图：AlphaEngine答案与DeepSeek答案对比对比维度 DeepSeek

的回答AlphaEngine，DeepSeekAlpha派应用实践案例02目录Alpha

Engine应用实践案例01Alpha

Engine与Alpha派比较03主题投资以宏观趋势、产业结构变革或政策催化为主线，锁定新能源、人工智能、半导体、军工等高景气领域，借由市场情绪与政策预期驱动获取超额收益。与传统基于估值或基本面的选股方式相比，其难点在于主题边界模糊、跨市场覆盖受限，以及“个股纯度”验证成本高，导致投资者在产业链梳理、公司定位和风险控制上耗时耗力。智能化投研工具正在缓解这些痛点。例如讯兔科技 PaiPai 的“主题选股 Agent”利用NLP与知识图谱，快速还原产业链、量化个股主题纯度，并一次性覆盖A股、港股、美股，为投资者提供全球化视角和可操作的公司名单。投资者应将此类工具视为“信息加速器”，用以提高筛选效率，但仍需结合一线调研与政策跟踪，校正可能的数据时滞与解读偏差，方能在主题轮动中稳健提升决策速度与准确性。图：Alpha派官网首页界面Alpha派学习案例：Alpha派辅助主题选股为进一步说明讯兔PaiPai

平台“主题选股

Agent”功能在实际投研中的应用实践案例，我们选择市场高度关注的典型主题案例进行分析。在运用该平台的过程中，我们发现，为了高效借助AI工具进行主题选股分析，投资者应针对特定投资主题，提出结构化、精准且具体的问题。

以“特种机器人”产业链为例，投资者应明确以下六个关键要素：①

身份情景（你是一名专业的产业链投资分析师，目前需针对特种机器人产业链进行深入分析，帮助机构投资者挖掘该主题下的核心标的和投资机会）；②

分析层次和颗粒度（请从产业链上下游结构、公司业务纯度、未来成长空间三个维度展开分析，具体细分出高、中、低三个纯度等级的代表公司，分别进行梳理）；③

明确指定分析的时间范围（分析仅限于2025年6月1日至2025年7月17日期间的最新产业政策、公司公告和市场资讯，不得引用该范围以外的信息）；④

输出格式要求（严格控制输出篇幅在800字以内，首先给出特种机器人产业链的明确投资价值判断，再以结构化的Markdown表格形式，分纯度等级列出公司名称、市场（A股/港股/美股）以及各公司的投资亮点）；⑤

明确分析方法（严格围绕产业链图谱、产业政策及公司公告数据进行分析，不扩展其他无关内容）；⑥

强调推理链的完整性与精度（需给出清晰完整的逻辑推演过程，具体说明每家公司被划分为高、中、低纯度的明确依据与投资逻辑，确保分析结果具有实操价值）。学习案例：Alpha派辅助主题选股图：Alpha派回答Alpha派图：Alpha派回答Alpha派学习案例：Alpha派点评个股业绩讯兔科技的Alpha派是一款智能投研APP，可以在其操作界面点击“写一家A股公司的业绩点评”，来进入其个股业绩点评功能。再设

“点评风格”（可选

“PaiPai

风格”

或

“我的风格”，选后者需输过往点评供其模仿）与

“关注要点”（会结合个股业绩展开分析）。本案例当中，选择了“我的风格”，然后需要在下方的输入框当中，输入过往点评内容，Alpha派会模仿所输入内容的风格，输出相似的格式甚至是表情包；在“关注要点”方面，讯兔Alpha派会尽可能结合个股业绩去展开分析我们所输入的要点。例如其关于风险点的分析回答如下：风险点:关注海外贸易政策影响。公司业绩增长的核心驱动力已明确为海外业务的扩张。随着海外收入占比的不断提升，公司经营将更易受到国际贸易环境变化的影响。特别是美国作为重要的消费市场，其关税政策的任何变动都可能对公司碱性电池的出口成本和盈利能力构成直接冲击，或将影响公司海外业务利润率的提升进程。这是未来需要持续跟踪关注的核心风险点。图

:Alpha派所输出内容的数据复核方式当我们选择“PaiPai风格”，则Alpha派就会输出两个版本的点评——精简版（适合外发）和详细版（适合内部研究）。在Alpha派的输出界面当中，右侧附有参考的相关报告，方便我们进行数据的溯源与人工复核，避免由于担心出现“AI幻觉”和错误数据时不得不花费大量的事件与经历精力去溯源和对比。右图展示了分析正文（左侧）和参考报告（右侧）中一致的数据内容。Alpha派。学习案例：Alpha派辅助政策分析为了对比Alpha派与AlphaEngine的差异，针对同一个政策问题，提出同样的具体任务：美国与中国香港陆续推出稳定币法案，预计对全球资本流动产生什么影响，尤其是对权益资产的影响Alpha派先判断了问题适合的分析方式，它认为此问题需要“Think”模式而不是快速问答模式。但其“Think”模式依旧很快，约2分钟后，生成了以下答案。其报告支持word导出格式。图：Alpha派生成的回答AlphaEngine学习案例：Alpha派辅助政策分析图：Alpha派生成的回答AlphaEngine学习案例：Alpha派辅助政策分析从成果形式上看，Alpha派与AlphaEngine经过，都列出了参考文献，且参考文献以研报和独立研究为主。图：Alpha派参考的文献Alpha派图：Alphap派参考的文献中的图片Alpha派Alpha派应用实践案例02目录Alpha

Engine应用实践案例01Alpha

Engine与Alpha派比较03AlphaEngine与Alpha派比较Alpha派AlphaEngine高效、直观（策略型）：

采用“结论先行”

和提炼“三条主线”

的方式，非常适合需要快速把握核心观点的决策者。结构极其清晰，阅读效率高。基础扎实（研究型）：

提供了详尽的法案背景和框架对比

，使读者能从源头上理解影响的根基，内容更像一份完备的深度报告。可操作性强（投资型）：

提供了明确的“策略启示与操作要点”

和“配置方向”

，直接服务于投资决策。视角全面（全球化）：

不仅限于美港，还纳入了欧洲（MiCA）

和新兴市场的视角，对“全球资本流动”的覆盖更完整。量化推演（模型化）：“情景测算”部分尝试将不同市场规模的影响 机制透彻（学院派）：

对权益估值机制

、对传统银行的冲击

以及对机构投资进行量化（如对收益率的影响），有助于建立初步的冲击模型。 者策略的影响

分析得更深、更细。客观深入（分析师思维）：

专门设置“佐证与分歧点”

章节，体现了对市场共识和争议点的深入把握，分析更为客观。案例丰富（易理解）：

引用了大量行业数据和企业案例

，使分析的结论更加具象化，易于理解。总结像一份面向基金经理或交易员的“策略晨报”或“核心纪要”，优势在于精炼、高效、重策略、可操作。像一份面向行业研究员或战略部门的“深度行业报告”，优势在于详实、全面、重基础、广视角。Alpha派与AlphaEngine对美国资本流动的影响分析各有不同，两份报告均认为：对美国资本流动的影响：美国的法案将引导稳定币的储备资产大规模、合规地流入短端美国国债与美元资产

。这会为短端美债带来结构性的增量买盘

，强化美元在数字经济领域的主导地位

。对中国香港资本流动的影响：

两份报告均指出，中国香港的法案将使其成为亚洲乃至全球的“链上清算枢纽”。对权益资产的影响（总体）：

两份报告都认为，法案对权益估值的提振主要来自产业逻辑（行业利好）而非利率逻辑

。稳定币扩容对美债收益率的影响主要集中在短端，且幅度有限（如报告1提及的6-8bp，报告2提及的6.28-7.85bp），难以引发全面的“利率牛市”

。对权益资产的影响（板块）：中国香港：

两份报告都明确指出，中国香港的金融科技、合规交易所、券商/经纪以及相关的发行/托管/结算基础设施是最直接的受益者

。美国：

同样，受益者集中在合规的发行商、托管和交易清算等基础设施

。主要风险：

两者都提到了共同的尾部风险，即如果发