券商券商AI应用及量化动态

一.GF

1.AI+金融深度赋能，重塑金融服务新生态

近期金交会GF以“AI+金融”为核心主线，展示AI大模型在四大核心金融场景的落地应用，全方位升级服务质效：

财富管理：天玑智融AI驾驶舱整合投顾、产品解析、业务对接功能，革新客户服务模式。

投资研究：上线“GF研究·智慧数”平台，实现投研人机协同升级，沉淀二十余年行业积累，涵盖8.8万份精选研报、9万余项行业指标、800余条产业链图谱，固化专业投研能力。

投行服务：推出“投行AI文曲星”大模型，覆盖投行承揽、承做、承销、持续督导全流程，提升执业效率。

机构业务：“GF智汇”平台上线80余项功能，覆盖资金、交易、融资、托管等多元场景；“GF汇盈T0”依托AI量化模型，打造日内交易特色工具。

2.设置沉浸式体验，落地便民金融服务

智能产品体验：现场开放易淘金App多项智能功能体验，AI透镜、ETF大本营、i盯盘三大工具，依托生成式AI、智能定制、语音操作等能力，简化投资决策、直击投资痛点。

线下专业服务：开设“资深投顾面对面”交流环节，为不同层级投资者提供专业咨询、投资者教育服务。

普惠金融科普：通过互动游戏、有奖问答等趣味形式普及金融知识，倡导理性投资，拉近金融与大众的距离。

二.ZXJT

1.定位

可验证投研大脑（区别普通对话AI）的新产品发布。

核心解决AI投资幻觉，所有分析结论附带来源、发布时间等完整证据链，零售券商同类产品首创严谨溯源架构。

面向普通投资者，主打量化普惠+AI可信。以普惠化下放机构投研、量化工具，打破专业投研软硬件壁垒，有望成为个人投资者投研升级的重要节点。今天晚上20:00可在官方视频号看直播。

2.核心功能

热点趋势模型：高频轮动解析海量财经资讯，实时捕捉市场主线、梳理行情逻辑，快速锁定热门赛道。

策略验证工坊：搭载20年A股行情、十万+交易因子，用户输入投资思路，短时间完成历史回测，附带策略优化建议，把机构量化回测能力普惠个人。（PS：市场上同类型的产品一直没有真正的给用户带来使用价值，期待这次会看到不一样的地方。）

3.三层决策体系：

市场转折预警：多因子机器学习预判大盘拐点，历史多次精准提示行情切换；

大小盘风格择时：判定当期优选大盘/小盘风格；

行业轮动评分：月度打分优选行业组合。

4.多项机构级普惠工具

交易仪表盘：实时跟踪期指、期权波动、港A溢价等专业指标；

涨跌真伪甄别：区分真实拉升与诱多行情；

收益归因优化：区分盈利来自实力或运气，给出改进方案。

三.HT

可以看到不管是GF，还是HT，开始“集团化”推进AI，这是一个行业新的变革点和创新点。值的借鉴和学习。

HT联合HTBR将举行：ETF AI Agent赛事。

截至2026年4月末，全市场ETF超1500只、总规模5.1万亿元（相比去年减少万亿），且品类丰富、标的标准化，适配AI Agent落地试验；AI Agent具备自主决策、任务执行能力，区别传统对话AI，加速切入ETF投资。

HT联合其公募基金子公司落地全国首届ETF AI Agent交易大赛，填补国内ETF场景AI赛事空白，是AI深度落地指数投资标志性事件。

可以看出，HT依托自研AI原生APP「AI涨乐」持续深耕证券AI赛道，而HTBR作为头部ETF管理人实力雄厚，旗下ETF近两年为持有人盈利超2234亿元，丰富的产品矩阵为AI策略落地提供优质底层标的；本次赛事兼顾普通投资者与技术开发者，既降低了大众使用AI投资工具的门槛，也为从业者提供了策略验证平台，有效推动AI投资工具普惠化，同时依托ETF标准化、高透明的天然优势，为AI+指数投资落地提供了重要实战样本，叠加行业机构集体加码智能投研、智能交易布局，持续加速AI与ETF融合进程，推动市场整体投资范式迭代升级。

四.券商密集上线Skills

依托OpenClaw智能体催生的Skills生态，头部券商密集落地AI标准化功能模块，Skills可覆盖行情查询、选股分析、研报解读、自选股管理等全投投顾场景。目前前十券商已有半数入局，包括ZJ、HT、GTHT、GF、GX等机构，行业AI竞争从底层模型走向应用层纵深。同时行业合规备案提速，截至2026年4月，近30家证券机构完成算法、模型备案，备案项目超40个。

券商Skills建设可以概括为三大布局流派

技术基建派（HT）：依托自有数据底座与投研能力搭建Skills，不依赖通用大模型，夯实自研技术根基。
业务创新派（ZJ）：创新产品形态，将资深分析师的研究方法论合规蒸馏、标准化封装为专属Skill，盘活投研人力与经验资产，突破传统AI功能复刻模式。
生态建设派（GTHT、GX、GF）：积极对接腾讯Coze、华为小艺等第三方公域智能体平台，上架自有Skills，共建行业AI生态。

这个趋势可以看到行业核心竞争逻辑开始基于AI进行转变：通用大模型技术趋于成熟，金融垂类模型差距逐步缩小，技术已无法构筑核心护城河。

券商布局Skills兼具防御与进攻属性：防御层面，规避技术落后的市场认知；进攻层面，依托AI盘活沉睡的独家投研数据、分析师经验等核心资产，挖掘商业化价值。行业AI竞争重心，正式从技术比拼转向数据盘活能力、业务创新魄力、场景落地能力的综合较量。

未来券商AI行业竞争将聚焦两大核心能力，一是对投研数据、研究经验的合规蒸馏与标准化封装的数据能力，决定AI服务的能力上限，二是敢于突破传统业务边界、落地全新AI金融产品的创新魄力，决定机构的行业发展高度；同时行业仍面临多重痛点与风险，AI Skills可复刻高端研报逻辑，冲击券商传统付费研报业务，且AI输出内容的合规边界、纠纷责任划分尚不明确，叠加产品存在使用门槛、零售端需求不足造成供需错配，以及部分券商出于风险考量趋于保守、仅做浅层AI功能复刻，进一步制约行业AI创新落地。

这块我稍微做下相关点延伸，就目前AI相关的产品在实际使用中最大的问题就是“数据准确性”问题。

基础问题：比如获取的收盘价、成交量、财务数据错误。

智能问题：比如根据具体业务场景，应该使用复权，还是不使用复权。

问题结果：通过AI给出的结论，要么无脑相信，要么需要对数据进行一一核对，反而浪费了时间。

所以，任何AI相关的投研应用的前提：如何保证数据准确性和可验证。

因此，也梳理下金融数据服务商Skill建设情况：

Wind（万得）：依托Alice27系统与WindClaw智能体搭建自研闭环Skill体系，走机构深耕、自建生态路线，内置数百项标准化投研Skill，覆盖行业/公司研究、估值建模、策略回测、舆情量化、组合优化等全机构投研场景，支持用户自定义封装专属研究逻辑生成私有Skill；优先服务公募、券商等B端，自建技能广场，暂未大规模对外接入第三方Claw生态，凭借全市场最全金融底层数据筑牢Skill数据底座。

东方财富（东财）：主打开放生态、对外上架路线，依托妙想大模型封装8大类标准化妙想Skill，涵盖行情查数、财报解读、智能选股、行业轮动、资讯研报检索、基金诊断；5月将整套Skill打包为ClawBot数字员工，先后入驻华为小艺、阿里云第三方智能体平台，面向C端+中小机构开放调用，是市场化落地最快的数据服务商之一。

恒生聚源：以MCP+标准化数据Skill为核心，落地「综合问数MCP」，拆分股票、基金、宏观、研报、选股五大通用Skill并上架阿里云百炼，超百家金融机构接入使用；依托自研AIDB适配AI取数需求，Skill聚焦标准化数据调取，侧重面向券商、银行等B端机构做底层数据能力输出，不面向零售C端大范围开放。

同花顺（iFinD）：打造问财SkillHub技能集市，兼顾自营+开源生态，官方上线数十项金融Skill，社区沉淀上百项开源技能，打通MCP协议对接OpenClaw等通用智能体；Skill覆盖全品类资产筛选、工商尽调、舆情风控、量化回测，同时通过iFinD-MCP对外输出数据Skill接口，是第三方Agent最常用的数据供给方，但接口设置单日调用频次限制。

其他厂商：卓创资讯围绕大宗商品上线小卓AI配套商品数据Skill，聚焦化工、能源现货数据查询与价格研判；FactSet落地海外金融MCP-Skill体系，面向外资机构开放跨境资产数据技能；整体中小数据商以单点垂直Skill落地为主，尚未形成完整生态布局。

我们和前面券商的SKILL布局对照着看，可以发现当前金融数据服务商在AI Skill布局形成三类差异化路径：

Wind立足海量独家底层数据，坚持内生封闭自研路线，自建内部Skill体系，优先服务机构客户、较少对接外部生态；

东方财富、同花顺选择开放路线，依托自有大模型封装行情、选股、研报等标准化技能，接入第三方智能体平台，面向C端与中小机构开放调用，搭建开源技能生态；

聚源聚焦B端市场，以标准化数据调取类Skill为核心，通过MCP协议向券商、银行输出底层数据能力，基本不布局零售端。

三类模式各有侧重，构成行业Skill建设主流格局。

五.HSDZ推出LIGHT6.0 AI生态架构

作为HSDZ100股的股东，时刻关注着金融科技龙头的动态。

按这周雄安峰会的发布会介绍，HS证券IT历经五代架构迭代，现已迈入第六次数智化转型阶段，原有云原生5.0架构难以满足由流程支撑转向智能决策的行业需求；新架构的诞生来自券商财富管理转型带来复杂场景诉求、行业核心系统国产化自主可控提速、全行业从信息化迈向数据驱动的数智化运营。HSDZ5.0架构落地成果突出，UF3.0已在多家大中型券商上线，为6.0生态升级奠定产品底座。

其中LIGHT6.0为四层递进AI生态架构：

底层自研基建生态：联动国产软硬件厂商，打造自主可控国产化基础设施；

AI基础设施生态：覆盖算力、数据、大模型、MCP、智能体平台，实现算力与模型解耦，避免客户被单一技术绑定；

中层六大技术平台：含CRES、JRES、PHOTON2.0、HDP2.0、LightSEE、LightCode，分别承接交易、大模型落地、数据治理、智能运维、AI研发提效；

上层业务系统：基于UF3.0、理财、估值、合规等成熟产品线，承载券商全业务落地。

针对券商AI两类落地路径给出了两个路径：

+AI（存量改造）：AI赋能原有传统系统，落地投顾、交易、投行等200+业务场景；

AI+（原生应用）：自研AI智能终端、智能投顾等原生智能体，搭配AIDB、实时数据网关做底层支撑；落地遵循由执行→流程优化→智能决策阶梯式落地，控制券商试错成本。

HSDZ推出AI生态架构意在跳出传统单品交付模式，通过生态整合打通国产化、AI、技术平台与业务全链路，借力产业链合作补齐全栈技术能力，依托分层开放架构方便券商自主选配软硬件，顺应券商系统分层、场景化建设趋势，助推证券行业数智化转型提速。

六.量化

今年以来，公私募量化最大特点就是双双扩容：

公募量化：2026年一季度规模近4700亿元，以指增（62%）+类指增（16%）为核心，合计占比近八成，量化选股、对冲为辅，2025年股票多头策略拉动规模稳步增长。

私募量化：2026年一季度私募量化规模达2.8万亿元，在证券类私募占比38%，其中量化股票规模近1.5万亿，辅以CTA、套利等策略，是私募规模扩张核心驱动力；今年前5月私募证券产品备案6530只，同比增49.15%，股票策略4222只、同比+51.11%，占比近65%，旗下指数增强备案1603只、同比大涨73.3%，占股票策略备案37.97%，为细分增长主力。

从竞争格局上，公募趋于分散、私募头部更加集中，规模效应明显：

公募：行业集中度连年下行，前五大集中度由50%降至31%，策略同质化、监管约束使得业绩难拉开差距，头部更迭频繁。

私募：头部集中度持续抬升，50亿以上管理人规模占比超75%；算力、数据、人才、资金构筑高壁垒，AI迭代加速强者恒强。

从资金端看，私募募资火热，公募增量偏温和：

私募量化新发产品数量占公募量化新发近五成，百亿量化机构募资顺畅；公募量化募集占权益基金20%稳步抬升，但指数增强偏工具属性、机构配置意愿走低，整体资金流入平缓。发行结构呈现头部量化、小微主观私募两极发行格局。

从交易持仓看，公募量化和私募量化的换手、持仓约束分化明显：

公募年化单边换手约6倍、持仓受产品本身限制偏重指数成分股；私募年化约40倍（逐年回落），指增成分股持仓占比偏低、小市值暴露更高；公募超额收益多来自行业/风格偏离，纯阿尔法挖掘仍有提升空间。

在策略建设上，私募量化开始构建以AI驱动策略迭代大方向。部分私募完成了内部基于AI的职能部门及角色划分。值的持续关注。

具体来看，量化策略由传统多因子体系向端到端深度学习迭代，以解决传统量化多因子投研体系中的效率及广度问题：

研究员精力有限难以满足海量因子挖掘需求

单因子评价体系和实际模型适配错位、低相关优质因子研发成本持续抬升；

深度学习依托AI挖掘市场非线性关联信息，获取和传统因子低相关的超额收益。

在策略构建层面，开始趋向多周期信号动态融合策略，依照市场状态动态调节日内、日间信号权重：市场活跃度走高提升日内权重，行情低迷收缩日内仓位以压缩交易摩擦；该模式在同等风险下提升策略稳定性，信息比率抬升约1.0，对应超额增厚5～7百分点，同时可扩容策略容量。

风险管理层面，量化多头、指数增强依托BARRA风险模型严控行业、风格因子暴露，不靠极致风格轮动博取超额；市场中性产品紧盯股指期货基差，一旦对冲成本超出预期超额收益，即刻减仓或平仓规避基差亏损与流动性冲击。

未来3-5年系统化投资全面进入人机协同框架，投资人锚定投资目标、划定风险预算、校验底层策略逻辑、预判黑天鹅极端风险；AI智能体承接因子挖掘、信号回测、组合优化、全流程自动交易、日常风控等落地工作，机构核心壁垒转化为自研、训练、运维AI智能体集群的能力。如果真实现落地，则有望重塑国内长期的投资理念。

另外，当前另类数据应用价值已超过传统基本面数据，依靠车流、线下终端SKU库存等实景数据，能够覆盖缺少券商研报跟踪的中小盘个股，填补传统财报、行情数据盲区，适配分域建模思路（不同品类数据匹配对应细分市场建模）。

从海内外落地差异看，2025年末海外机构另类数据采购规模化，量化机构另类数据使用率53%，显著高于主观多头33%；国内另类数据发展受双重制约：部分数据源受监管、合规管控关停易造成策略失效，宏观政策文本数据稀缺、非标准化程度高、建模难度大。

大模型显著解决另类数据杂乱、清洗繁琐的历史痛点，大幅降低非标数据处理门槛；后续策略差异化竞争关键落在多模态数据基建：量化需要搭建适配大模型的技术底座，完成海量异构另类数据的存储、智能解析、批量因子转化，跳出传统价量+财报的数据局限，依靠独家另类因子构建策略超额壁垒。

综述，整体来看，券商数字化与量化投资领域AI落地进程持续提速，各类业务场景落地不断丰富，机构投入力度稳步加码。头部机构紧抓技术红利，围绕AI大模型、智能体、Skill组件、另类数据、深度学习量化策略加快产品迭代与场景落地，持续夯实技术与数据壁垒；部分机构固守原有业务模式、迭代节奏迟缓。相较于过往行业变革，AI带来的是底层架构与投研方法论的系统性革新，技术、人才、数据壁垒会持续拉大行业差距，一旦在智能化转型中掉队，后续补齐短板的成本极高、追赶难度显著加大，行业分化格局将进一步深化。