证券公司投研
券商 AI 投研如何复核：从图表来源到研报证据的检查清单
一段流畅的行业分析，可能同时包含公告数字、研究员假设、模型计算与主观判断。将它们拆开，才能知道哪里需要找原文、哪里需要重算、哪里需要讨论。这份清单由 FiClaw 产品团队编写，用于设计研究复核和机构试点。
发布人 FiClaw 产品团队 · 发布于 · 更新于
Read in English直接回答
券商 AI 投研复核可以从四类材料开始：可定位的原始事实、可重算的图表数字、可检查的策略实验，以及有署名责任的研究观点。逐条记录来源、数据时点、计算方法、假设和复核人。FiClaw 当前可辅助明确规则下的 A 股量化研究；资料批量解析、引用自动化与正式研报系统接入需要单独评估。
阅读要点
- 事实、假设、计算结果与观点分别标记，避免把推断写成已知事实。
- 图表复核包含原始数据、单位、样本与变换方法，不能只检查图片是否好看。
- 研究辅助输出经人工复核后，再进入机构既有的署名、审批与发布流程。
先建立“结论—证据”对照表
每个重要数字和判断都应能回答：来自哪里、使用哪一版资料、经过什么计算、适用什么范围。CFA Institute 的 Standard V(A) 讨论信息来源核查与模型假设的理解，可作为研究方法参考；它不构成 FiClaw 的认证或本页对机构制度的替代。
| 材料类别 | 至少保留什么 | 复核动作 |
|---|---|---|
| 原始事实 | 公告或原始资料、发布日期、原文位置和版本 | 核对主体、期间、单位及后续更正 |
| 图表与计算 | 数据快照、样本筛选、公式、变换和输出 | 按同一数据重算，检查同比、环比和量纲 |
| 策略实验 | 策略规格、代码、配置、数据范围和结果 | 核对实现与规格，说明缺失数据及成交假设 |
| 研究观点 | 判断、关键假设、依据、反向证据和署名人 | 讨论推理是否成立，列出观点失效条件 |
图表更新后，解释差异来自哪里
例如，同一张行业增速图更新后结论变了，先检查公司样本、数据版本、财年口径、权重和缺失值处理是否变化。示例仅说明复核方式，不涉及某个行业的实际增速。把更新前后的快照与方法一起交接，能避免研究员把数据修订误读为经营变化。
图表注释至少写明来源、取数日期、单位和处理方法。第三方数据授权与对外展示权限需要确认；不能因为拿到一张截图，就假定可以再分发其底层数据。文档自动解析和图表自动引用可列入试点需求，先用人工抽样核对准确性。
- 01定位原始文件或数据序列，而非只保留转述来源。
- 02保留合并口径、样本纳入规则、频率转换与异常值处理。
- 03记录数据更新与计算方法调整，分别说明其对图表的影响。
- 04缺少来源或计算过程的结论保留待核实状态，不补造引用。
可复制的券商研究复核任务单
研究问题：[行业 / 策略问题与输出用途] 资料范围：[获授权来源、文件版本、发布日期、原文位置] 请分开整理： 1. 事实：[原文及出处，不补写缺失信息] 2. 假设：[研究员设定、适用范围、待确认项] 3. 计算：[数据快照、样本、单位、公式与结果] 4. 实验：[规格、代码、配置、数据覆盖与未支持条件] 5. 观点：[推理、依据、反向证据与失效条件] 6. 变化：[数据修订 / 方法调整 / 假设变化，分别说明] 7. 交接：[未解决问题、负责人、人工复核意见] 来源缺失或相互矛盾时明确列出，不自动生成正式研报评级或发布结论。
用一项可验证任务评估 FiClaw
可以先选择一个明确的 A 股选股或策略假设，在当前数据范围内用 FiClaw 整理规格、生成 Python、运行历史回测与诊断。历史行业分类、成分和因子的可用性要逐项核实；当前截面数据不能自动代表历史时点的信息。
资料整理和研报交接试点可用一份获授权的底稿样本，比较来源定位、数字重算、错误修正和复核总耗时。批量文档、数据终端、研报平台、组织权限和部署方式分别验收。正式观点、署名、审批和发布继续由证券公司负责。
常见问题
AI 能找到引用，就说明研报数字正确吗？
不一定。还需检查引用是否支持该数字、主体和期间是否一致、单位及计算是否正确，以及资料是否有更正。能点击的链接不能代替证据复核。
FiClaw 能用于行业研究中的量化验证吗？
可以评估数据范围内可明确表达的 A 股研究假设。先核对历史分类、成分、因子与信息时点；未支持的数据和规则需要保留限制，不能默认能复现整份行业研报。
正式研报审批是否可以交给 FiClaw？
本方案用于研究辅助和人工复核，不代行证券公司的正式研报署名、审批与发布。内部系统集成和权限需求需单独确认。
方法与产品参考
继续阅读
用一个券商研究课题开始
说明研究问题、资料类型和复核要求，先确认适合的试点范围。