大模型金融分析：从提示词走向可验证证据

大模型金融分析能做什么、不能做什么

大语言模型擅长处理语言：寻找相关段落、提取披露、比较叙述变化、总结监管文件、分类风险并起草便于分析师阅读的解释。但模型不会天然掌握最新文件，也不保证算术正确、单位一致或识别重述数据；这些事实必须由外围系统提供并验证。

金融分析任务应该交给模型、工具还是分析师

证据优先的大模型金融分析架构

RAG改善检索，但不能保证事实正确

检索增强生成可以提供当前相关文档和引用，但仍可能检索错误期间、遗漏表格脚注、混合合并与分部数据，或引用并不支持生成结论的段落。因此需要分别评估检索相关性、引用是否真正支持主张、数字一致性和回答完整性。

让大模型财务报表分析在数字上可靠

模型可以选择公式或解释结果，但算术应由确定性服务执行。输入需要明确期间、单位、正负号、货币、是否重述和来源位置；输出则应同时展示公式与实际使用的数值。

让计算脱离自由文本生成

稳健模式是“工具→结构化结果→文字解释”。计算工具返回具名输入、公式、结果与来源，大模型再把该对象转化为易读叙述。如果工具失败或缺少必要数据，系统应返回“未验证”，而不是估算数字。

可审计AI金融分析的控制措施

1. 建立黄金测试集。 覆盖表格、脚注、重述、缺失数据和矛盾披露。
2. 分别评估各组件。 分别跟踪检索、提取、计算、引用和叙述错误。
3. 记录每个重大步骤。 保存模型、提示词、工具输入输出、来源版本与审批。
4. 安全失败。 当证据缺失或验证不一致时阻止发布。

使用金融分析提示词契约

生产级提示词应明确任务、允许使用的来源、会计期间、实体范围、单位、输出结构和拒答条件。要求模型区分已披露事实、计算结果、假设与分析解释；每个重大句子必须带来源标识或计算标识，当所给证据无法回答问题时必须返回“未找到”，而不是补全看似合理的答案。

先返回结构化主张，再生成叙述

有用的中间对象应包含主张文本、主张类型、来源位置、期间、货币、单位、公式、置信度和验证状态。验证器可以在大模型把获批主张转化为叙述之前，拒绝缺少引用、期间不匹配、符号异常或总数无法勾稽的结果。

区分主动拒答与系统失败

“现有证据不足以回答”属于成功的安全结果；超时、解析错误或API不可用则属于运行故障。两者需要分别记录，使评估体系奖励诚实拒答，同时让工程团队能够定位真正的系统缺陷。

用QVeris与FMP连接大模型金融分析

QVeris Financial Reports JSON 工具可以帮助智能体发现并调用已授权的 FMP API，获取财务报表、公司信息及其他可用数据集，再把结构化响应传入计算和检索工具。端点可用性、字段、历史范围、权限与使用限制取决于当前的 FMP 官方文档与订阅。

QVeris是发现与编排层，不能替代数据许可、模型治理、金融专业知识或负责决策。应保存每次工具响应和来源标识，使分析师能够追溯最终答案。

金融 RAG 指南 · 财务报表分析 · QVeris 文档

参考资料与方法来源

• U.S. GAO — AI use and oversight in financial services
• SEC — AI, finance and hallucination risks
• FMP — Financial data API documentation

本文仅供教育用途，不构成投资建议。依赖任何重大输出前都应完成验证。