AI研究系列之三：Agent时代，Skill为核——投研成果的可调用化实践

AI研究系列之三：Agent时代，Skill为核——投研成果的可调用化实践 2026年08月04日 证券分析师于明明执业证书：S0600525120002yumm@dwzq.com.cn证券分析师周金铭 执业证书：S0600526020002zhoujm@dwzq.com.cn证券分析师孙石执业证书：S0600526020001suns@dwzq.com.cn证券分析师吴彦锦执业证书：S0600526020004wuyanjin@dwzq.com.cn ◼在量化研究场景中，本报告分别展示了选股因子迭代、K线历史形态检索和深度学习择时三类已有成果的Skill化实践。选股因子迭代Skill将数据接入、研究细则确认、候选因子代码生成、IC评测、历史反馈和断点恢复组织为持续迭代的研究工作区，使每轮产生的代码、指标、图表和工具组件能够进入下一轮研究。当前样例采用低频量价数据，但Coding方式本身并不限制因子类型，接入分钟行情或财务报表后还可进一步研究高频量价或基本面因子。择时场景中，K线时空镜像通过多维量价特征和动态时间规整方法返回Top 3历史相似片段及其真实后续走势；深度学习择时Skill则调用已经训练完成的GRU时序模型，将连续量价因子转化为多头、中性和空头观点。 相关研究 《AI研究系列之二：AI Agent重构主动投研工作流》2026-07-15 《深度学习系列之二：绝对收益视角下的技术形态专家模型——选股择时与多资产轮动的统一框架》2026-03-24 ◼在主动投研场景中，Skill化进一步由单项计算扩展至研究框架、证据组织和决策协同。固定框架报告Skill将周期性跟踪报告、事件点评和产品分析等标准化任务沉淀为可重复执行的流程；深度研究框架Skill围绕核心问题组织研究假设、正反证据、投资含义、监控指标和认错条件；投资决策委员会Skill通过多角色陈述、交叉质询、风控核查和投资总监总结，形成可审计、可追溯的决策记录；投资专家画像与专家研讨会Skill则将专家方法论转化为结构化角色档案，并支持围绕行业、个股和市场观点开展多角色讨论。这些实践表明，Skill不仅可以封装计算模型，也可以沉淀研究框架和协作机制。 ◼FundLab展示了围绕特定资产类别构建综合研究工作流的另一种Skill化路径。FundLab采用“本地数据优先、外部数据按需补充”的数据组织方式，在使用团队既有标签、分类规则和研究资产的基础上，根据任务需要连接Wind、iFinD等外部数据能力，并将数据获取、指标计算、特征识别和研究结论输出贯通起来。当前工作流覆盖基金筛选、单基金画像、基金公司画像、相似基金检索、基金组合分析和标签回测等典型场景，重点回答收益来源、风格稳定性、风险暴露、产品比较和组合适配等投资决策问题，推动基金研究由分散的数据整理转向结论先行、有据可查的结构化分析。 ◼综合四类场景可以看到，Skill化并未消除不同研究方法之间的差异，而是为其提供了相对一致的组织和复用方式。不同Skill虽然分别输出因子代码与评测结果、历史情景与模型观点、研究底稿与决策记录、基金画像与验证数据，但均遵循明确输入、稳定执行、可解释输出和过程留痕的共同原则。随着共享数据接口、公共工具、研究资产、版本管理和评测机制逐步完善，单点Skill还可以形成上下游协同，使量化证据、深度研究、反方质询、投资决策和持续跟踪在不同流程之间有序传递， 推动AI由单次任务助手逐步转化为可复用、可追溯、可持续演进的投研工作伙伴。 ◼风险提示： 1)模型与方法失效风险。本报告展示的因子、历史形态检索、深度时序模型、研究框架与基金分析方法，均建立在历史数据、既有规则或训练样本基础上，历史表现和历史案例不代表未来收益。当市场微观结构、投资者行为、监管制度或产品特征发生变化时，相关信号、评价指标和研究结论可能减弱甚至失效；在流动性危机、政策突发冲击或系统性风险爆发等极端环境下，模型和历史规律的适用性可能进一步下降。 2)数据质量与接口可用性风险。Skill运行依赖行情、财务、基金、文本资料、本地标签及外部数据接口。数据缺失、更新延迟、字段口径变化、复权或分类处理差异、权限不足以及Wind、iFinD等外部服务不可用，均可能影响计算结果和研究结论。实际使用时需要核对数据来源、覆盖区间与关键字段，不应在未经确认的情况下使用近似数据或替代口径。 3)生成式模型输出错误风险。大模型可能出现意图理解偏差、约束遗漏、错误引用、代码生成错误或解释过度等问题。即使部分计算由确定性脚本完成，输入映射、参数选择、材料检索和结论组织仍可能受到模型错误影响。涉及关键数据、模型推理、研究结论和对外表述时，应保留必要的执行记录和证据来源，并由研究员进行确认和复核。 4)回测与实际应用差异风险。报告中的IC、回测表现、相似度、胜率和赔率等指标均基于特定历史样本和既定假设，实际应用可能受到交易成本、冲击成本、滑点、流动性、容量、可交易时点和数据实时可得性等因素影响。高换手策略、流动性较弱的股票或基金产品对上述约束更为敏感，实际结果可能显著低于历史评测或回测表现。 5)信息安全与合规风险。Skill可能连接外部模型、数据服务、研究底稿、内部代码和模型参数。使用过程中应遵守数据授权、访问权限、保密管理和个人信息保护要求，不得因调用方式更加便捷而扩大信息使用范围。对外共享Skill、截图或研究材料前，应清理敏感配置并确认数据与内容授权；Skill输出仅供研究参考，不构成收益承诺或确定性投资建议。 内容目录 1.1.为什么是Skill：从一次性问答到可复用流程........................................................................51.2.投研Skill的基本结构：数据、工具、研究细则与输出.......................................................51.3.阶段性成果的定位：代表性展示，而非完整方法覆盖.........................................................7 2.从研究成果到可调用能力：多场景投研Skill化实践....................................................................8 2.1.选股场景：将因子研究过程沉淀为可持续迭代工作流.........................................................82.1.1.从因子想法到研究闭环：传统流程中的断点...............................................................92.1.2.先确定研究细则，再启动候选因子生成.......................................................................92.1.3.生成、评测与反馈：让历史结果进入下一轮.............................................................112.1.4.可恢复的工作区延长研究生命周期.............................................................................132.1.5.阶段性价值：验证流程沉淀，而非承诺因子有效性.................................................132.2.择时场景：历史形态检索与深度时序模型的交互化...........................................................142.2.1. K线时空镜像：历史形态检索成果的交互化..............................................................142.2.2.深度学习择时：时序模型成果的可视化调用.............................................................202.2.3.两项择时案例的共同启示：将复杂方法沉淀为可调用能力.....................................242.3.主动投研场景：从研究框架到决策协同...............................................................................252.3.1.固定框架报告：将标准化写作沉淀为可复用流程.....................................................252.3.2.深度研究框架：围绕问题构建可追溯证据链.............................................................262.3.3.投资决策委员会：以多角色质询完善决策.................................................................272.3.4.专家协同：从投资专家画像到多角色研讨.................................................................282.4.基金研究场景：以FundLab贯通数据、分析与决策..........................................................302.4.1.研究痛点：从信息过载到有效结论.............................................................................302.4.2.工作流设计：本地数据优先，外部能力按需补充.....................................................302.4.3.典型应用：从基金画像到组合分析与标签回测.........................................................322.5.跨场景观察：不同研究任务共享的Skill化逻辑.................................................................35 3.总结与展望：从单点Skill走向协同投研体系..............................................................................37 3.1.阶段性结论：Skill化重塑研究成果的复用方式..................................................................373.2.后续扩展：从方法覆盖走向能力协同...................................................................................37 图表目录 图1：投研Skill从通用模型能力到可复用研究输出的结构.............................................................6图2：选股因子迭代Skill的整体流程与核心理念.............................................................................9图3：选股因子迭代Skill的研究确认过程1.................