AI赋能固收投研系列八：专家型固收投研Agent初探与实践

正文目录TOC\o"1-2"\h\z\uAI赋能投研从执行流程到“辅助判断” 5Agent推动AI进入完整投研流程 5Skill把成熟研究流程沉淀下来 5流程自动化之后，投资判断更难复制 6专家认知提炼让Agent进一步学习判断方式 6固收专家投研框架提炼方法论 7专家投研框架提供初始认知骨架 8历史研究行为检验专家如何判断 8跨案例比较提炼可复用的稳定判断规则 9从专家投研框架到固收投研Agent 10专家型固收投研Agent应用场景 12框架分析：让Agent按照专家投研框架重构当前市场 13观点审计：定位投资逻辑中的薄弱环节 14内部辩论：把多空分歧转化为结构化压力测试 14债市投研框架培训：专家数字分身的教学 16总结与展望 17风险提示 18图表目录图1：AI进入投研工作流的能力演进 5图2：从知识型AI到认知型Agent 7图3：固收专家提炼框架 8图4：专家自述框架与历史研究行为回顾反推专家投研框架 9图5：从历史文章中提取稳定可复用的判断规则 10图6：专家投研框架与当前市场证据共同驱动Agent判断 10图7：AgentResearchLoop示意图 图8：基于投研场景的Agent功能演示 12图9：框架分析功能输出摘要示例 13图10：框架分析功能输出框架示例 13图框架分析功能输出报告目录示例 13图12：观点审计功能输出摘要示例 14图13：观点审计的事前失败推演（Pre-mortem）示例 14图14：AI内部辩论功能示例 15图15：AI内部辩论报告大纲示例 15图16：债市投研培训课程示例 16图17：债市投研培训功能基础上增加追问功能示例 16图18：债市投研框架培训功能示例 17表1：AI赋能不同阶段解决的不同问题 6表2：固收投研Agent四类功能介绍 12AI赋能投研从“执行流程”到“辅助判断”随着大模型从理解信息走向执行复杂任务，AI在投研中的位置也在变化。AI先解决了研究员面对海量材料时看不完、找不准、整理慢的问题。长文本理解、多步推理、工具调用和任务规划能力逐渐增强后，AIAIAI的作用范围从信息处理延伸到了研究执行，投资判断则成为接下来最难处理的一步。Agent推动AI进入完整投研流程AI工具主要AgentAgent这种变化已经出现在资产管理机构中。OpenAI20263月发布的案例介绍显示，BalyasnyAssetManagement18095%AI研究平台。一个用Agent30分钟。这里的数字BalyasnyAI已经进入投资团队的日常工作，而不再停留在试验环节。图1：AI进入投研工作流的能力演进浙商证券研究所Skill把成熟研究流程沉淀下来AIAgentAISkillAgentAgent面对新的政府工作报告或的出现AI不再只是知道更多信息，而是开始按照研究员预先定义的方法开展研究。表1：AI赋能不同阶段解决的不同问题AI赋能方式核心内容主要解决的问题搜索数据、新闻、研报、知识去哪里找到信息大模型问答阅读、理解、总结如何快速理解信息Skill分析方法、操作步骤、输出标准一项研究应该怎么做Agent多个Skill、数据与工具协同如何完整完成一项研究任务浙商证券研究所流程自动化之后，投资判断更难复制当越来越多的标准化工作可以交给Skill和AgentAgent待新的催化因素。变化的情况下，判断哪些证据权重更高，哪些因素只是背景噪音。专家认知提炼让Agent进一步学习判断方式AI进入投研的下一步，难点会从执行更多任务，转向学习优秀研究员怎样看问题。知Agent可以告诉它按照什么Prompt直接获得。更现实的做法，是选择一立完善的分析框架才能灵活应对市场变化。Agent可以调用的认知资产。图2：从知识型AI到认知型Agent浙商证券研究所固收专家投研框架提炼方法论提炼专家投研框架的底层原理是结合专家自述与长期历史研究行为，反向识别其相对怎样判断行情，为什么在那个位置得出那个结论，哪些增量信息会强化或推翻原来的逻辑，同样的分析方式换到另一种宏观环境里还能不能成立等等。pricein、当前行情究竟是趋势性机会还是区间波段——期的真实研究行为中反向还原——路与认知科学中通过真实任务行为还原专家隐性知识的方法一脉相承。+Agent研专家分析框架。图3专家投研框架提供初始认知骨架投资决策的生成。历史研究行为检验专家如何判断家是否反复采取了相似的判断方式。图4：专家自述框架与历史研究行为回顾反推专家投研框架浙商证券研究所跨案例比较提炼可复用的稳定判断规则条件、反例和适用边界。为进一步提炼出更加稳定可复用的判断规则，我们建议把专家自述的投研框架和策略则。若证据只来自单一案例，或者只能在事后解释行情，则不建议将其纳入正式规则集。图5：从历史文章中提取稳定可复用的判断规则浙商证券研究所Agent可以调用的投研框架。从专家投研框架到固收投研Agent图6：专家投研框架与当前市场证据共同驱动Agent判断浙商证券研究所投研框架给具有通用推理能力的大语言模型增加一套相对稳定的研究坐标系。大模型Agent历史材料仅用于提供研究方法和机制，当前市场证据负责让这套方法在新的环境中重AgentAgent降低结论确定性，避免使用大模型自行补齐事实。最后，AgentResearchLoopAgent10图7：AgentResearchLoop示意图浙商证券研究所AgentAIAgent内部多空辩论则可以基于同一市场快照，从不同方向对这些问题进行压力测试。图8：基于投研场景的Agent功能演示浙商证券研究所专家型固收投研Agent应用场景专家型固收投研Agent的价值只有进入真实研究场景才能被验证：同一套认知资产既我们模拟构建了AgentAgent专家固收投研Agent四表2：固收投研Agent四类功能介绍研究场景 典型输入示例 研究场景 典型输入示例 Agent核心动作 主要输出示例框架分析 “当前长债么看

获取当前证据，按专家框架组织长短期、预期、主要矛盾与验证关系

条件化观点、核心证据、失效条件内部辩论

“1仍高？”

冻结同一问题与数据快照，多空分别论证、互相回应，再由研究经理裁决

核心分歧、证据强弱、裁决或证据不足设，主动寻找反例与数据缺口待补充信息设，主动寻找反例与数据缺口待补充信息拆解主张、传导链隐含假 薄弱环节、反方证、“我认为基本面弱，因此长债仍有上涨空间”观点审计反馈与追问续追问训练判断过程反馈与追问续追问训练判断过程调用规则与历史案例，通过连框架解释、案例练习、“为什么经济弱不等于任何时候都做多？”投研培训框架分析：让Agent按照专家投研框架重构当前市场框架分析是专家投研框架最直接的应用场景。它的目标是让Agent面对新的市场状态时，重新运行同一套判断框架，而不是去检索专家过去在类似行情中说过什么。Agent首先AgentAgent会设定不同市场环境下的可能结果。30Agent关键跟踪变量以及可能使判断发生变化的条件。重要，再判断市场已经交易了多少，最后明确未来应该跟踪什么来验证或修正当前观点。图9：框架分析功能输出摘要示例 图10：框架分析功能输出框架示例 于平台 于平台图11：框架分析功能输出报告目录示例基于WorkBuddy平台观点审计：定位投资逻辑中的薄弱环节对于已经具备成熟研究能力的研究员而言，Agent的增量价值未必是再生成一个新观Agent首先拆解该观Agent（Pre-mortem）Agent由此从观点生成器进一步变成研究过程中的第二双眼睛。图12：观点审计功能输出摘要示例 图13：观点审计的事前失败推演（Pre-mortem）示例于平台 于平台内部辩论：把多空分歧转化为结构化压力测试隐含假设、反例和失败路径，再进入双方论证与回应。图14：AI内部辩论功能示例基于WorkBuddy平台图15：AI内部辩论报告大纲示例基于WorkBuddy平台30能否继续向超长端形成有效传导。辩论过程本身还会迫使双方主动修正证据不足的论据。因此，内部辩论通过相互质询淘汰过度解释的证据、削弱不稳定的论据，并保留真正能够被后续数据验证的判断。在此基础上，研究员比较双方在主要矛盾、传导链、当前证据、预期与定价、反例和数据边界等方面的完整性。相对而言，内部辩论报告在投研场景下最有价值的并非是多空双方辩论的结果，而是辩论过程中产生的研究问题清单。这些问题清单适合作为后续行情的进一步跟踪指引。债市投研框架培训：专家数字分身的教学专家认知资产的另一项重要价值，是把过去依赖专家亲自教学培训才能逐渐掌握的研份规则列表。图16：债市投研培训课程示例 图17：债市投研培训功能基础上增加追问功能示例于平台 于平台Agent2021复盘，研究员能够更好的理解如何将利率交易框架应用在现实的分析中。Agent的定位从单纯的信息工具进一步转向研究过程的参与者。图18：债市投研框架培训功能示例基于WorkBuddy平台总结与展望AIkillAgent重新运行。AgentAgent能够在新的信息出现后识别原有判Agent风险提示准确信息或在不同模型版本和上下文下输出结果不一致的情况。专家认知框架能够约进行独立验证。专家认知提炼与样本偏差风险。专家认知提炼结果依赖培训框架、历史策略文章及其和规则归纳过程中均可能产生偏差，因此提炼得到的认知框架不能