国联民生金融工程AI Agent与投研生态进化电话会议纪要

发布时间：2026-08-17 一、核心信息说明 1. 本次国联民生证券针对白名单客户举办电话会议，内容不构成投资建议，参会者自行承担风险，未经许可不得复制转发。 2. 会议由国联民生金融工程首席分析师伊尔勒分享AI Agent在投研领域的应用，涵盖一人量化团队打造、量化投研竞争优势、投研智能体终局三核心部分。 二、AI Agent当前投研应用进展 1. AI Agent可大幅降低投研中代码编写、数据处理等环节成本，拉平不同投资者在统计处理、代码能力上的差距，同时要求投研人员具备更清晰的逻辑与准确的需求表达能力。 2. 当前AI Agent已实现研报转PPT、PDF提取投资因子等功能，自研skill工具可快速生成研报PPT，PDF TWO FACTOR工具可提取文本中的投资因子，开发量化策略仅需三四天。 3. 量化因子挖掘方面，AI Agent可改进老因子、挖掘新因子，生成因子假设后查询相关论文优化，还可从巴菲特致股东信等资料中提取新逻辑；针对因子挖掘轮数高时的上下文撑爆问题，采用总结因子簇并轮巡方向的方案，如20个方向每轮挖5个，前4个轮巡、第5个开放试新因子。 4. AI Agent因子挖掘流程包含任务分解、代码生成、因子计算筛选等，通过知识库维护提升能力，需避免行业中性处理方式固化；国联民生测试显示，模型跑111轮后，样本外年化收益超40%、夏普比率1.98、IC值0.078，挖掘效率远高于人工。 5. 在银行股、科技股的应用验证中，AI Agent学习银行股后能精准判断短期高低点，掌握红利股、银行股分析逻辑；学习科技股后能尊重趋势，主声浪中未发出看空信号，且会通过长期自我训练解决自身问题，体现出自进化能力。三、投研领域超额收益与竞争逻辑 1. 当前量化投研中因子挖掘已成为公共品，未来超额收益将从统计阿尔法转向其他方向；开源项目IDEA Agent今年因模型能力跃迁，已可实现自动因子挖掘。 2. 投研的本质是信息获取、加工、判断甄别，AI Agent使信息获取与加工的边际成本大幅下降，核心竞争将回归信息判断甄别能力，以及审查AI输出对错的能力。 3. 统计套利类因子的生命周期正在缩短，未来阿尔法将迁移至风险溢价，相关主体需培养复杂洞察、优化组合管理、开发更高效的量化Agent模型。 四、投研智能体进化方向与生态规划 1. 自主投研智能体的终局方向为Harness，核心模块包含自反馈循环、记忆管理、优化机制、熵管理等；Harness的优化可参考斯坦福与MIT联合项目，通过迭代改进执行过程而非仅打分；熵管理需同步做技能进化与清理，国联民生已基于该思路打造出可自主迭代的技术分析类Agent。 2. 技术分析领域，AI Agent相比人类的核心优势为无自尊偏差约束，能基于程序规则无限进化，判断的进化速度与深度均超过人类；其设计的Agent循环框架，可通过输入股票技术分析快照，经预测Agent、批判Agent、反思Agent、进化Agent形成自主优化机制，样本外测试胜率更高。 3. AI Agent的记忆系统可自行记笔记，将笔记摘要输入系统自主检索，模仿人类学习模式；同时设计了商管理机制解决笔记质量下降、系统提示词矛盾问题，包括检查重复笔记、约束笔记数量（超 50条自动压缩）、设置笔记权重、将高权重有效笔记升级为投资铁律。 4. AI Agent的进化算法采用大模型而非量化打分，直接将历史判断结果、逻辑输入大模型分析错误以减少信息损耗；选取历史判断最好、最差各10条及最近20条的判断过程，生成新提示词经样本外测试，验证最优则替换旧提示词。 5. 自主投研智能体未来需优化自迭代逻辑，提升迭代过程的规则约束与逻辑深度；改进记忆的组织形式，将散落的知识编排为有逻辑的串联体系，目前尚未形成成熟方法，属于值得探索的方向。五、风险与关注 1. AI Agent在投研应用中，行业中性处理方式存在固化风险，需注意规避。2. 自主投研智能体的记忆组织形式尚未形成成熟方法，相关技术仍处于探索阶段。