智能投研：构建人机协同的决策优势

Q: 学习这门课可以获得什么收益？

范式重构： 建立AI增强型投研认知，理解人机协同的新型工作流与分工模式，并结合课程中的工具、案例和练习推动企业培训落地

课程大纲

范式重构——AI驱动的投研新纪元

一、AI演进脉络与投研范式变革

（一）投研工作流的人机分工演变

旧范式：人工密集型的瓶颈与痛点（效率、遗漏、偏差）
新范式：人机协同的价值创造（AI负责算力，人类聚焦洞察）

（二） AI赋能投研的核心环节概览

数据层面：从大海捞针到精准检索
分析层面：从线性推导到多维关联
输出层面：从手动撰写到自动化生成

二、与AI的沟通艺术：投研提示词工程

（一）精准提问的核心原则

口径先行：限定时点、币种、会计准则
输出标准：要求AI提供核心结论 + 事实依据 + 潜在风险

（二）高频投研任务提示词模板

精选应用案例
公司快研：快速生成目标公司的主营业务、股权结构与行业地位
财报要点：智能提炼季度财报中的核心财务指标与管理层观点
行业梳理：抓取行业结构、产业链图谱与关键指标对比

智能信息流——全域数据的高效获取与处理

一、外部数据工具图谱与SOP

（一）按投研任务划分的工具矩阵

检索/公告与新闻
社媒与舆情
电商口碑/排名
结构化抽取与可视化

（二）最小化标准流程（SOP）

设定主题与关键词，限定时间窗口
数据抓取、去重与指标化（热度/情绪/排名变动）
生成包含引用的核心摘要

（三）风险与合规：数据来源、链接保留与个人信息规避

二、【深度】监管与ESG文本的智能穿透

（一）监管文件对比分析

自动对比新旧法规，逐条列出实质性修改
评估关键条款对行业或公司的潜在冲击

（二） ESG报告的承诺核验

结构化提取ESG报告中的关键承诺（KPI、时间点）
交叉验证新闻库，自动搜索言行不一致的负面报道
梳理二、【深度】监管与ESG文本的智的指标口径、风险信号和合规要求
实操：将非结构化行业新闻整理为结构化表格及要点摘要
案例：分析证监会《XX规定》征求意见稿的核心变化
案例：核查A公司的碳中和承诺与实际行动是否一致

洞察挖掘——AI赋能一级信源（Primary Research）分析

一、访谈前：智能议题生成与背景速览

基于分析师的初步假设，结合最新财报与行业动态
智能生成针对性的、可挖掘增量信息的访谈问题清单

二、访谈中：实时辅助与关键点捕捉

实时语音转录与翻译
辅助提示：根据访谈内容实时推送相关数据或历史观点

三、访后：智能转录、摘要与交叉验证

高精度录音转文字，自动区分不同发言人
智能提炼核心观点、关键数据与情绪态度
交叉验证：自动对比访谈数据与公司公告、财报、模型的差异点
梳理三、访后的指标口径、风险信号和合规要求
实操：根据访谈目标，生成一份高质量的专家访谈提纲
实操：将1小时的访谈录音快速处理为结构化纪要和核心观点
案例：交叉验证访谈中提及的出货量与财报披露的差异

量化分析——AI加速财务建模与策略回测

一、【深度】AI辅助财务模型构建与更新

智能数据抽取：自动从PDF/图片格式的财报中抓取历史数据
辅助模型搭建：根据指引快速填充三张报表的历史数据与勾稽关系
自动化更新：在新财报发布后，一键更新模型关键数据

二、多维情景模拟与压力测试

自然语言驱动：用对话方式命令AI调整模型核心假设
敏感性分析：快速生成多变量（如成本、汇率）变动下的情景分析

三、复杂结构化金融产品的分析与回测

条款拆解：将复杂产品（如雪球、可回售期权）条款分解至现金流与触发路径
辅助回测：利用AI辅助进行历史数据回放或简易蒙特卡洛模拟

四、【进阶】量化因子挖掘与代码生成

梳理四、【进阶】量化因子挖掘与代码生的指标口径、风险信号和合规要求
实操：模拟原材料上涨10%且售价提升3%对目标公司毛利率的影响
案例：分析某雪球产品在特定市场行情下的敲入敲出概率
实操：用自然语言生成一段计算金叉/死叉信号的Python代码

逻辑炼金——AI辅助投研观点的生成与验证

一、【核心】第二层思维的假设生成

跨域信息关联：分析看似无关的数据（如业绩会实录、宏观政策）
发现异常信号：找出数据中的微弱趋势、相关性或逻辑断裂点
生成全新假设：提出超越市场共识的、可被验证的投资逻辑

二、投资观点的AI对抗性辩论

（一）设定辩论框架

明确命题与窗口（如XX公司未来6个月盈利将超预期）
角色分工：多头（Bull）vs 空头（Bear）vs 裁判（Judge）

（二）论据规则与交叉质证

论据要求：每条必须附来源与时间，杜绝传闻式表达
交叉质证：针对关键假设（需求、成本、监管）逐点反驳
梳理二、投资观点的AI对抗性辩论的指标口径、风险信号和合规要求
案例：分析头部企业业绩会用词情绪变化，挖掘管理层信心拐点
实操：针对一个看多观点，设置AI空头角色进行多轮反驳质询

效能飞轮——自动化工作流与智能体（Agent）构建

一、AI辅助投研报告撰写

草稿生成：基于结构化数据与核心观点，快速生成研报初稿
文本优化：对研报进行合规性检查、语言润色与风格统一
摘要生成：一键生成适用于不同渠道（邮件、公众号）的报告摘要

二、自动化工作流（Agent）构建

（一）工作流核心骨架

定时触发：如开盘前/收盘后
节点链接：HTTP请求、数据去重、LLM摘要合并、阈值告警
推送与归档：自动推送至工作群或沉淀至看板

（二）最小可用原则与审计复盘

从1-2个数据源跑通日报开始，逐步迭代
全程留痕：确保输入、提示词、输出、链接可审计
梳理二、自动化工作流（Agent）构的指标口径、风险信号和合规要求
实操：在Coze/Dify平台按模板搭建一条工作流
任务：导入公司Watchlist，生成开盘前简报预览

智能涌现——构建私有化知识库与综合实战

一、【高阶】构建投研团队私有化知识库（RAG）

知识内化：上传团队历史报告、模型、纪要，构建专属第二大脑
知识传承：实现团队投研经验的沉淀与高效复用

二、综合实战演练

（一）任务发布：舆情风险监控

设定目标公司，搭建工作流，自动监控社媒和新闻
在发现显著负面情绪或关键信息时触发告警

（二）小组实践与辅导

学员分组，利用所学工具搭建完整工作流
讲师巡场，提供即时指导，解决技术和逻辑问题

（三）成果展示与复盘

各小组分享设计思路、关键节点配置和最终产出
讲师点评：重点关注工作流的鲁棒性、提示词精妙性、数据合规性

三、课程总结与合规展望

回顾课程核心要点，重申人机协同理念
投研合规三原则：公开数据、来源与时间双标、投资相关一律加风险提示

适合对象

建议由财务负责人、经营管理者、业务部门负责人和风控合规人员共同参加，便于课后在同一套判断标准下继续推进

课程定位与主要问题

指标判断、风险识别、预算分析和经营复盘需要落到岗位动作，训练会围绕关键问题完成一轮方法校准

核心收益

指标判断更清楚：风险信号、证据要求和处置边界，先讲清对象、约束和判断标准
围绕范式重构——AI驱动的投研新纪元梳理关键判断点，避免停留在概念解释
借助智能信息流——全域数据的高效获取与…完成一次可复盘的应用演练
输出洞察挖掘——AI赋能一级信源（Pr…相关的后续跟进清单，方便课后跟踪

课程背景与交付信息

在数据爆炸与算法迭代的浪潮下，投资研究的传统范式正被深刻重塑。分析师正从信息搬运工和数据处理者的角色中解放，转向核心逻辑的构建者与独立洞察的发现者。本课程专为投研团队设计，摒弃空泛理论，直击业务全流程。从AI基础认知与精准提问出发，贯穿数据获取、一级信源分析、财务建模、观点验证，直至自动化报告与智能体构建。课程旨在打造一支能驾驭AI的人机协同型投研团队，将AI内化为高效的分析副驾和不知疲倦的智能助理，助力机构在激烈的市场竞争中构建持久的决策优势

课程时间

2天

授课方式

讲师讲授、案例研讨、情景演练、互动答疑

课程内容重点

01范式重构——AI驱动的投研新纪元

02智能信息流——全域数据的高效获取与处理

03洞察挖掘——AI赋能一级信源（Primary Research）分析

04量化分析——AI加速财务建模与策略回测

05逻辑炼金——AI辅助投研观点的生成与验证

06效能飞轮——自动化工作流与智能体（Agent）构建

讲师介绍

卢敏行

银行智能化转型专家

卢敏行，银行智能化转型及AI应用方案咨询专家。曾任联想控股子公司COO及报喜鸟HRD，深耕金融AI应用落地。项目落地转化率90%以上，获中信银行等头部机构多次返聘

银行保险邮政金融能源广电

查看讲师主页

课程差异说明

本课程页面围绕《智能投研：构建人机协同的决策优势》重点呈现课程定位、适合对象、核心收益和 7 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

适合企业中高层管理者、业务负责人及相关岗位骨干人员等需要系统提升相关能力的人群

学习这门课可以获得什么收益？

范式重构：建立AI增强型投研认知，理解人机协同的新型工作流与分工模式，并结合课程中的工具、案例和练习推动企业培训落地

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配