- 博客(4)
- 收藏
- 关注
RSS订阅原创 AI 投研的下半场：为什么「让 AI 做研究、人做决策」才是更成熟的架构
一句话结论：投研 AI 真正值得关注的范式变化，不是从「人工研究」跃迁到「机器自动炒股」，而是从，转向。做过 Agent、跑过量化、写过策略回测的同学，大概都动过一个念头：既然大模型能一口气读十万条资讯、能拉行情比财报、能追事件维护观察清单，那为什么不干脆让它把股也选了、仓也调了、单也下了？这个念头很自然，但它踩中了一条容易被忽略的边界——本文把学术研究、中美欧监管材料和几份一手法规摆在一起，聊聊为什么越来越多严肃的投研系统，正在主动把「决策权」交还给人。---
2026-08-18 14:04:49
336
原创 决策范式之变：为何下一代AI投研必须坚持“AI做研究、人做决策”
AI投研真正的范式变化不是机器自动炒股，而是研究自动化、决策人工化、行动受控化和责任可追溯化。本文结合自动投顾实证、人机协作研究，以及中国、美国和欧盟监管材料，系统分析个性化建议、自动交易、牌照与问责边界。
2026-08-18 13:06:23
394
原创 时间范式：AI投研如何从一次性快照走向可积累、可交接的持续研究系统
生成式AI投研的下一阶段，不只是写出更好的单次报告，而是持续维护研究状态。本文系统分析记忆、调度、回溯、审计四个门槛，并结合机构实践、长期记忆基准及NIST、FINRA、FSB框架，讨论长时程Agent的轨迹风险与治理边界。
2026-08-17 14:00:33
447
原创 信息范式转变：金融投研如何从人工阅读走向机器代读与证据研判
金融信息处理正从人工逐篇阅读，转向机器持续摄取、去重、抽取、检索、评分与证据绑定。本文基于SEC披露量、注意力研究、金融NLP与行业案例，系统分析技术流水线、文本信号、误报漏报、时间戳、合规和上线治理，强调机器覆盖、人工负责的边界。
2026-08-17 13:54:47
337
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人