QVeris
研究、合规与风险

AI 股票研究助手

先筛选公司并核对估值、质量与市场环境,再生成带引用的研究备忘录。

发布日期:2026年3月25日 · QVeris团队制作

AI Stock Research Assistant financial research workflow
AI 股票研究助手的金融研究场景;图片为工作流示意,并非产品界面。
AI 股票研究工作流
面向 Agent 的 AI 股票研究助手

构建一个 AI 股票研究助手:先看行业估值和市场环境,再用 screener 形成候选池,随后检查 ROE、PE 和流通股结构,而不是直接给出买卖结论。

5个研究步骤
ROE基本面复核
Float流动性检查

为什么 AI 股票研究助手需要工作流

QVeris 原始博客展示了一个很实际的经验:股票研究 AI 不应该从一个 ticker 直接跳到观点。真正有用的助手应该先建立行业背景、检查板块表现、观察市场异动、形成候选池,再判断基本面和股本结构是否值得继续研究。

AI 股票研究助手的工作流

行业

先比较行业估值,再看个股变化。

市场

读取板块表现、涨幅榜、跌幅榜和活跃股。

股票筛选

用市值、成交量、行业和交易状态构建候选池。

基本面

复核 ROE、盈利收益率和隐含 PE。

流通股

检查流通股,避免把流动性异动误读成基本面机会。

完整案例:调查财报后的股价下跌

真正有用的股票研究助手不能只有一套抽象流程。下面这个案例展示 Agent 应该如何把一个模糊的市场问题,转化为范围清晰、带证据和计算过程、并且具备停止条件的研究任务。

研究问题

“这家公司为什么在财报后下跌 8%,新增信息是否改变了长期研究逻辑?”

负责任的回答必须区分什么

已披露事实、市场预期、管理层指引、估值变化、流动性影响和仍未解决的问题必须分别呈现。价格变化本身并不能证明企业质量改善或恶化。

1. 锁定研究范围

确认股票代码、交易所、报告期、事件时间、币种,以及用户需要解释、对比还是筛选。

2. 衡量市场反应

把本次波动与前收盘、日内区间、正常波动、成交量、行业 ETF、指数和选定同行比较。

3. 阅读一手证据

收集财报公告、监管文件、演示材料、业绩指引、电话会记录及事件前后发布的公司行动。

4. 重建比较口径

区分报告口径与调整口径,统一计算增长和利润率,并与市场一致预期及此前指引比较。

5. 带边界地综合判断

标记事实、解释和未知项,并说明什么证据能够确认或推翻每种解释,而不是强行给出唯一叙事。

停止条件:

如果无法核实行情时间戳、文件报告期、一致预期来源或同行定义,助手应返回一份明确标注缺口的部分备忘录,并请求补充证据,而不是用听起来合理的市场评论填补空白。

QVeris 能为 Stock Research AI 增加什么

DISCOVER
发现合适的金融能力

Agent 可以先发现行业估值、screener、市场异动、关键指标和 share float 等能力,再决定调用什么。

INSPECT
调用前检查参数

如果 screener 的 schema 不支持直接按 ROE 或 PE 筛选,工作流不会假装它可以做到。

CALL
返回结构化研究输入

输出应该是研究备忘录、候选列表、估值背景和下一步问题,而不是投资建议。

生产级研究备忘录应该包含什么

最终答案应该是一份可复核的研究对象,而不是一整段没有层次的文字。稳定的输出契约还能帮助团队比较模型版本、审计工具调用,并判断人工分析师是否已经获得足够证据继续研究。

范围与实体身份

写明公司、股票代码、交易所、报告币种、研究日期、事件窗口和需要回答的具体问题。若股票代码存在歧义,还要记录实体解析时使用的假设。

必须包含:分析开始前确认实体标识和时间戳。

市场反应

在明确的时间区间内展示价格、成交量、波动率、行业、指数和同行背景,并解释波动是公司特有、行业普遍,还是部分由市场环境推动。

避免:在没有基准和时间戳的情况下描述 8% 的波动。

基本面变化

分别呈现营收、利润率、现金流、资产负债表变化、业绩指引和管理层评论,并区分报告值、调整值与自行计算的比率。

必须包含:来源报告期、单位和计算公式。

估值与同行

只有在定义合理同行范围后才比较估值,并解释增长、利润率、地域、资本结构和会计口径差异为何会让简单的 PE 对比失真。

良好实践:展示中位数、区间和同行纳入规则。

催化、风险与未知项

列出带日期的催化因素、重大风险、缺失数据和相互竞争的解释,并说明哪些可观察证据会增强或削弱每项判断。

不得隐藏:缺失的电话会记录、过期预期或尚未确认的公司行动。

来源台账与置信度

为每项重要判断附上来源 URL、供应商、发布时间、获取时间和使用字段。应按章节给出置信度,而不是给整份备忘录打一个没有依据的总分。

可复核标准:另一位分析师能够复现关键数字。

AI 股票研究助手 vs 荐股工具

维度 荐股工具 QVeris 式研究助手
目标 快速排序或推荐股票 在人工决策前组织可验证数据
数据流程 通常从股票代码或信号开始 从行业估值、市场背景、筛选器、基本面和流通股结构开始
最佳输出 买入或卖出式结论 候选池、研究备忘录、证据和后续问题
主要风险 可能把市场热度过度解释为公司质量 分别分析叙事、估值、流动性和基本面质量

这个工作流适合连接的数据源

可靠的 AI 投资研究助手应该能引用和比较多个来源。涉及文件和股本结构时,团队通常会参考 SEC EDGAR。涉及财务指标和筛选器时,开发者也会比较 Financial Modeling Prep 等数据源,再通过 QVeris 用统一能力工作流完成调用。

如何评估 AI 股票研究助手

好的 AI 股票研究助手应该让研究路径可见。真正的测试不是它能否写出流畅的股票摘要,而是能否保持用户问题不变、选择合适数据、公开计算口径,并生成另一位分析师可以复现的备忘录。

20
证据覆盖

所有重大判断均使用一手来源或明确标识的二手来源。

20
时效与时间口径

行情、文件、预期和新闻都带事件时间与获取时间。

20
可追溯性

复核者可以从每项结论追溯到字段和来源 URL。

15
计算完整性

单位、期间、分母、调整指标和公式均明确说明。

15
意图保持

Agent 不会悄悄改变股票、时间范围、同行集合或任务。

10
不确定性处理

未知项、冲突数据和低置信度解释始终保持可见。

建议验收门槛:

备忘录建议至少达到 85/100,且证据覆盖、时效和可追溯性不得出现零分。团队还应维护固定回归集,覆盖股票代码歧义、拆股、重述文件、电话会记录缺失、延迟行情、外币口径和供应商数据冲突等情况。

AI 股票研究助手的数据检查清单

生成备忘录之前,助手应确认每个必要数据区域都已获取、具有可比性,并且时效足以回答当前问题。下面的检查清单刻意超出单一行情范围,因为大多数研究失败源于背景缺失,而不是文字不够流畅。

数据区域 为什么重要 Agent 行为
价格与成交量 判断市场反应是异常还是普通波动。 在同一时间区间比较价格、区间、复权历史、成交量、波动率、行业和指数。
基本面 避免助手只根据新闻标题排序公司。 用一致报告期检查营收、利润率、现金流、债务、ROE、增长和估值。
文件与事件 解释发生了什么,并为备忘录建立一手来源链路。 引用监管文件、财报公告、电话会、业绩指引、公司行动和事件日期。
市场预期与指引 即使业绩本身不错,只要低于更高预期,市场仍可能失望。 记录一致预期来源和时间戳,并分别比较实际值、此前指引和最新指引。
持股、流通股与流动性 低流通股、锁定期或持股集中可能放大价格波动。 检查总股本、流通股日期、机构持股、空头仓位、拆股和增发情况。

股票研究 Agent 的生产风险

股票研究 Agent 即使数据路径很弱,也可能表现得很自信。生产质量取决于能否在问题进入备忘录之前识别失败模式,并为缺失或冲突证据设置安全行为。

数据过期或时间错配

延迟行情可能被写成实时数据,旧季度文件可能与当前新闻混用,一致预期也可能是在事件发生后才获取。

安全行为:综合分析前比较事件时间、发布时间和获取时间。

实体或报告期错配

同一股票代码可能对应不同交易所,财年可能与自然年不同,各供应商对历史指标和前瞻指标的标注也可能不同。

安全行为:计算前验证实体标识、币种、财务期间和指标定义。

错误的同行可比性

同一行业的公司可能具有不同商业模式、地域、杠杆、增长阶段或会计政策。估值表即使排版整齐,分析也可能是错的。

安全行为:记录同行选择规则,并在排序前解释重大差异。

流畅文字掩盖工具失败

供应商可能返回空字段、过期缓存、限流错误或不完整响应,但模型仍然可以生成看似完整的解释。

安全行为:验证必需字段并公开工具错误,绝不能把缺失数据当成零。

为什么能力路由很重要:

QVeris 式 Agent 可以先发现所需能力,检查输入输出契约,再调用工具并验证返回字段。如果证据仍然不足,就应该澄清请求、增加来源或停止,而不是制造结论。

常见问题

这些问题覆盖团队在设计、运行和复核 AI 股票研究助手时最常遇到的实际选择。

AI 股票研究助手可以直接做买卖决策吗?

它可以组织证据、计算指标、比较场景并识别未解决问题,但生产系统不应把缺乏依据的买卖指令当成事实。更安全的契约是提供决策支持:展示证据、假设、风险和置信度,再由获得授权的人或下游策略作出决定。

每个股票研究工作流都需要实时数据吗?

不需要。长期基本面研究通常可以使用日终价格和最新核实文件,而日内事件分析则需要更及时的行情与时间戳。助手应让数据时效与用户决策周期匹配,并明确标记延迟数据。

助手进行筛选时应该使用哪些指标?

这取决于明确的研究目标。质量筛选可以组合 ROE、利润率、杠杆、现金转化和盈利稳定性;估值筛选可以使用 PE、EV/EBITDA、自由现金流收益率和增长指标。助手必须先检查筛选器 schema,而不能假设每个供应商都支持所有过滤条件。

如何减少金融研究中的幻觉?

应使用结构化工具输出、必填来源字段、时效检查、确定性计算和“判断—来源”台账。Agent 应区分检索事实与模型解释,并在必要字段缺失时拒绝编造数值。

研究备忘录应该多久更新一次?

当重大事件改变证据集合时就应更新,例如财报、指引、监管文件、公司行动、重大新闻、预期调整或异常市场波动。应保留原始备忘录并生成带日期的差异说明,让复核者清楚看到发生了什么变化。

AI 助手会替代金融分析师吗?

它最适合减少数据收集和口径统一工作,并让证据链更容易复核。人工分析师仍需定义问题、判断可比性、挑战假设、解释不完整信息,并对具有财务或监管后果的决策负责。

面向 Agent 的 AI 股票研究助手 | QVeris Guides