股票配资注意事项 AI驱动FICC多资产管理陆家嘴金融沙龙2026年第十九期圆满收官

随着市场变化加剧股票配资注意事项，金融机构FICC（固定收益、大宗商品和外汇）业务正面临越来越多的挑战，而AI技术的应用提供了FICC业务破局的可能。

6月24日，陆家嘴金融沙龙2026年第十九期活动圆满举办，本次活动以“智驭固收·定价破局·风控护航—FICC市场投资与量化AI投研新机遇”为主题，深度探讨AI在FICC业务落地的路径。

AI驱动FICC多资产一体化投资管理

浙江智臾科技有限公司（DolphinDB）CEO 周小华在主旨演讲中表示，当前金融行业交易的标的已不局限于最常见的股票、债券、衍生品，呈现多元化的趋势。同时，由于市场环境变化迅速，机构不仅对交易过程，而且对交易完成后的风险管理都有了更高要求。正是在这样的背景下，伴随着AI技术的发展，把AI应用到一体化投资管理平台有了其现实意义。

“国内很多金融科技公司都在尝试搭建这样的平台，但面临一些共同的挑战。”周小华指出，首先是数据模型过于复杂，呈现倒三角结构，如果基础建得不够稳，在上面构建应用越来越难；其次，数据的实时性、一致性的要求难以满足；此外，如何构建定价估值引擎？大模型的幻觉、不确定性问题怎么解决？如何提供灵活性的系统实现差异化定制？

针对数据难题，周小华介绍，“我们可以引入对象建模，把市场中变化纷繁的各种标的、曲线，抽象成一种对象，统一在一张表内，大大简化后续应用的开发。对于实时性和一致性问题，我们采取保持数据不动而改变计算流，在计算框架内能够把各个区域的数据像一张图一样，按序做各种计算，然后对数据的结果汇总。”

构建定价估值引擎方面，周小华认为，在对基础数据建模做了抽象后，可基于抽象对象设定统一接口。无论在上层做何种定价，使用统一接口处理后，AI可精准识别交易员的意图，做到事半功倍。

对于差异化和定制化问题，周小华还提出了组件化构想：“可以把底层的存储引擎和计算引擎做组件化；各种中间件，比如订单簿处理、定价引擎、回撤引擎，也做成标准化的组件。这样一来，大模型可以在拆解交易员的意图后调用中间件或底层组件，迅速搭建个性化的系统。”

对于企业级的智能体底座，周小华认为要在公司层面统一管理来保障数据安全，任何操作要有监控和审计。

FICC领域的资产定价容错率极低、可解释性差，如何在基础设施上快速构建一个值得信赖的FICC定价智能体？周小华认为，首先要确保底层的标准化组件精确无误，可以把交易员的经验抽象成Skills，引入Skills调用各种底层的组件。另外，要提供人机协同的方式，推动整个决策过程尽可能透明化。

“一个较为完整的AI产品规划，可分四层”。周小华介绍，最上一层是底座层，是产品的核心能力，如存储、计算和编程语言。第二层主要是在垂直领域，如何构建知识库、如何训练垂直领域的模型，比如用深度学习去预测价格或利率。第三层即企业级的智能体底座。第四层是应用层，构建专用的智能体，使用者用自然语言和数据库、运维平台交互。

用AI把产品变成理解用户的智能协作终端

站在估值基础设施的角度，中债金融估值中心有限公司党委委员、副总经理袁源表示，AI等新兴技术不是飘在空中的魔法，必须嵌入到架构流程之中，与数据、算法和应用场景深度耦合，才能真正释放价值。

“在与AI结合之前必须先搭好底层架构，包括一站式服务的金融数据集成与管理平台、精密的产品管理与运营体系，以及多端融合多渠道终端体系。”袁源介绍。

在“数据采集到产品化”与AI结合方面，袁源指出，FICC市场的数据采集高度依赖非结构化和半结构化信息源。面对这样的特点，大模型和小模型的结合可以大幅提升数据处理的效率。例如统计分析中识别地方政府债，由于披露情况差异大，人工识别稳定性不足，采用“人工+大模型”的方式，人工引导大模型进行识别，同时不断学习调优，数据识别效果可显著提升，大大减轻人工识别的压力。

“内部能力的建设最终要外化为用户可以看到的服务升级。”袁源表示，对于终端产品，就是要从“数据和工具的陈列柜”进化为“理解用户、帮助用户的智能协作终端”。

袁源介绍，近两年支持用户使用自然语言进行智能检索的功能得到较多应用，预期未来估值方面的问题也可以用自然语言的方式去与终端交互。另外，利用大模型去研究市场因子和定价之间的关联，可以帮助投资者做一些基于定价的动态修正和前瞻性定价测算。

袁源认为，在风险计算和归因分析方面，AI可以有更大的发挥空间。比如压力测试报告功能，可以用大模型来查询或整合特定历史时期、历史事件，然后基于某历史事件提供参考报告，基于某历史场景做一些持仓风险指标数据的计算。

对于AI应用中的问题，袁源表示，目前大模型幻觉仍无法完全克服。当前AI在金融业起到的作用主要是辅助和增强，并不是完全替代的关系。此外，大模型理论上是基于历史数据的计算，但近年来市场上涌现一些新的环境，部分缺乏足够的历史数据模拟，这导致特殊场景的人工校准是必要的。人才体系也面临融合难题，需要把业务人员的知识准确翻译给工程师。

“AI正在改变金融行业以及金融信息服务业，但不是完全替代，而是一种增强；也不是颠覆，而应该是一种跃迁。”袁源说。

通过量化做市提升债市流动性

平安银行总行资金营运中心产品总监张盈啸立足投资者视角，分享了量化技术在债券做市业务方面的应用经验。

“我国已是世界第二大债券市场，存量债券规模已超过200万亿元。”张盈啸指出，市场持续扩大的过程中，流动性不断提升，越来越多的机构进入市场，不过，相对海外分层的债市投资者结构，国内债市比较扁平，各类机构都在一个层面，好处是市场信息更加高效，但是极端情况下，比较容易出现交易趋同和流动性的风险。

为了给市场提供流动性，做市商理应为债市发挥更大的价值。张盈啸介绍：“做市商看起来只是在提供双边的报价，但实质上我们可以通过一整套量化模型来支撑决策、服务客户，形成自己的生态圈。”

张盈啸把量化做市业务体系拆解为三部分。第一部分是量化做市，为了响应银行、非银等各类机构的具体需求，形成一套服务流程。第二部分是量化定价，对主流品种有动态更新的定价模型。第三部分是量化风控，每天动态监测敞口风险，通过量化的方式去对冲敞口风险。

张盈啸期望，通过量化做市能够提升整个市场的流动性和价值挖掘能力，让更多的投资人参与债市，也让更多的发行人、融资人通过债市拿到价格合适的资金，最后让中国债券在全球范围内变成一项更有竞争力、更稳定、有健康表现的资产。

“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处主办，由第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。

举报相关阅读