夜雨聆风
AI工具在传统行业投研应用案例
1、AI地产选股系统设计与运行效果
·选股功能与评分体系：这套AI选股系统核心解决选股与组合构建两大投研痛点，底层学习地产分析师投资思路搭建自动化选股框架。系统选股池覆盖60只地产相关个股，每周完成1次全量筛选，个股综合评分65分以上即纳入推荐范围。
其评分体系由四大因子构成：
a. 量化技术因子：聚焦均线、价格带等传统技术指标，可精准捕捉个股动量、情绪及买卖点，解决人工看图效率低的问题；
b. 情绪因子：权重为10%，采用双速衰减模型，新闻类信息热度衰减周期为3天、公告类为7天，可实时跟踪市场动态；
c. 基本面因子：权重为15%，数据源取自iFind，覆盖盈利能力、EPS等核心指标，数据实时更新；
d. 大模型直接评分：权重占比最高为50%，采用minimax、GLM、kimi三个大模型并行计算，避免单模型倾向性偏差、双模型极端情况结论冲突的问题，保障输出结果稳定可靠。
这套系统可弥补人工投研两类痛点：
a. 及时提示人工偶尔忽略的标的；
b. 快速筛选出短期突破、技术面占优的个股，提升选股胜率。
·两套选股思路设计：系统内置两套差异化选股思路，适配不同投资偏好：
a. AI+量化选股思路：侧重技术面表现，评分逻辑综合技术因子、基本面与大模型评分，更偏好短期趋势向好的个股，当前筛选结果中，国贸等趋势、波动维度评分较高的个股排名靠前，系统同步输出大模型的自然语言评分解释，方便追溯逻辑；
b. 基本面加权选股思路：大模型评分与基本面指标权重各占50%，基本面维度权重更高，筛选结果更偏好业绩质地优异的个股，当前保利、华润等个股评分排名居前。
两套思路均采用三个大模型并行筛选，评分为周度更新，其中基本面加权思路的评分稳定性更强，不会出现大幅波动导致频繁调仓的情况，若个股股价上行，其技术面评分会同步抬升，动态反映个股最新状态。
·组合构建与运行效果：在选股功能之外，系统还覆盖组合构建功能，核心信息如下：
a. 组合构建逻辑：AI组合不平均分配个股权重，会根据标的推荐度动态调整，当前最看好国贸、保利，同时给华润之地配置了18%的权重，持仓集中于高评分标的，解决选股后组合收益最大化的问题；
b. 运行效果：系统上线运行2个月以来，按照地产研究员的投资思路对标地产指数跑测，整体表现跑赢地产指数，具备一定超额收益，选股结果置信度较高；
c. 开放安排：目前系统以网页形式正式上线、开源并开放服务，有兴趣的人员可联系团队申请试用账号，体验系统功能并反馈意见，系统的整体网页架构、AI量化、东吴地产选股两套选股思路的详细设计均在配套报告中有完整解读。
2、OpenCall投研工具设计与落地
·工具选型核心逻辑：本次针对OpenCall在传统投研领域落地的相关报告核心解答两类问题，前序选股报告已覆盖选股与组合搭建相关内容，本次报告重点聚焦OpenCall作为投研工具的设计与落地逻辑。为保障投研输出结果准确性，相关工具搭建了数据源容错适配与核心组件选型体系。数据源层面设置多阶适配逻辑，优先采用万德、同花顺作为核心数据来源，若个股在上述数据源中存在数据缺口，将自动降级适配新浪财经等第三方数据源完成补全，相关整体架构已开源，详细设计可查阅对应公开报告，也可登录相关网页了解具体内容。核心工具选型方面，选择OpenCore作为核心支撑工具，核心原因是其相较于普通大语言模型具备更突出的记忆能力与调度能力；通讯工具选用Telegram，适配逻辑为OpenCloud整体运行与Linux系统融合度更高，Telegram与Linux系统适配度优异，且推送频率无限制，高度适配投研场景使用需求，相关代码已全部开源，可通过报告内的代码仓链接下载获取。
·配套工作流设计：相关工具内置了多类基础功能模块与预设工作流框架，覆盖两类核心投研使用场景：
a. 基础指令场景：内置定时调度、模型接入等基础功能，支持异动股票筛选等简单指令触发执行；
b. 复杂自定义工作流场景：可支持预设固定工作流触发机制，例如输入招商蛇口分析指令后，将自动触发对应工作流完成该个股基本面信息的更新输出。
所有功能设计、工作流逻辑已全部纳入第二篇公开报告。
3、AI对投研效率的提升价值
·投研模式变革价值：当前投研行业工作模式已发生显著变化，传统投研与AI工具的融合可带来显著效率提升，核心体现在两大维度：
a. 数据端工作模式优化：传统投研的数据处理环节依赖人工操作，需通过万德、同花顺等数据端下载Excel文件后手动制表，流程繁琐耗时；当前多数投研已采用API数据调取模式，可按需获取对应数据源信息并自动生成分析图表，大幅节省数据处理时间。
b. 选股胜率提升：可充分发挥AI的及时性优势，应用于自选股异动监测、个股舆情筛选等场景，有效提升选股胜率。相关研究报告的产出，正是投研过程中传统投研体系与AI工具融合实践的阶段性成果。
4、投研工具相关问题答疑
·回溯与跨行业适配问题：大模型选股策略因天然具备上帝视角，会在历史数据中优选最优策略，无法使用现有策略基于历史数据做回测，替代验证方案为直接上线实盘，观测系统的选股与组合构建能力。从上线2个月的实际运行情况来看，系统核心优势突出：一是买卖点判断准确，二是对选股思路的理解程度较好，可通过双速衰减模型准确理解地产行业的政策驱动选股逻辑。系统可适配任意行业，代码端已开源，核心适配要点为让AI学习对应行业的选股思路，针对不同行业调整细节因子，例如地产行业PE越高评分越低的规则不适用于科技行业，针对性调整因子设置后，即可改造为适配任意行业的AI分析师，实时输出选股推荐。
·更新频率与覆盖范围问题：当前系统默认采用周度更新，核心原因有两点：一是面向的地产行业基本面数据变化较慢，交易频次不高；二是可节约token成本，单次运行60只股票的筛选会消耗较多token。调整更新频率完全可行，可根据需求调整为日更等更高频率，适配科技等行业变化快、波动大的场景，可在每日收盘后运行计算提升选股胜率，相关调整可通过代码端实现。全市场选股与扩大个股覆盖范围也具备可行性，可覆盖3000只及以上个股，具体覆盖范围取决于token预算与模型能力。
·机构落地优化方向：若要将当前DIY的选股系统落地为机构级稳定应用，提升团队投研效率，需从核心方向优化：一是数据源层面，当前主要采用万德、同花顺作为数据源，调度过程中存在反爬、需扫码、数据缺口等痛点，需优先保障数据源稳定性，避免降级使用新浪财经等数据准确性不足、噪音较多的数据源，为系统稳定运行提供基础。二是模型选型层面，当前选用三款国产大模型主要出于成本控制考量，若预算充足，可更换为海外大模型，能有效提升模型对自然语言的理解能力与输出精准度。此外，相关实践报告中已详细说明API接入、龙虾使用等相关避坑内容，可参考规避落地常见问题。目前AI投研工具已可切实提升投研效率与胜率，不仅适用于科技行业，传统行业同样可落地应用提升效率。