申万宏源金工晨话 多资产组合如何应对回撤

该报告主要探讨AIAgent在量化投研领域的应用，核心方法论是将工作转写成代码。报告明确指出大语言模型不适用于直接生成观点判断，因其易产生幻觉，推荐采用基本面财务指标、估值、情绪得分各占1/3的客观打分体系。AI仅负责写代码，以规避幻觉并保证结果稳定。报告强调AI仅能提升懂领域人群的效率，而非扩展外行能力圈。

当前量化平权正在发生，有经验的量化从业者可借助AI降低Transformer、LSTM/GRU等复杂模型的技术门槛，但外行仍需先学习量化基础。AI在量化领域主要提升效率，而非替代专业能力。未来，AI与量化结合将更深入，但基础理论学习和实践仍不可或缺。

报告重点分析了AIAgent在量化投研中的应用，包括AI仅负责写代码、规避幻觉的客观打分体系，以及量化平权背景下AI对从业者的帮助。此外，报告还介绍了OpenClaw的两大核心优势：赋予AI高底层电脑权限、手机连电脑跨设备通讯能力，并提及ClaudeCode、KimiClaw、腾讯WorkBuddy等跟进产品。

市场现状判断需基于客观分析，而非主观推测。报告指出AI在量化领域主要提升效率，而非替代专业能力。量化平权趋势下，AI降低技术门槛，但外行仍需学习基础。基本面财务指标、估值、情绪得分各占1/3的客观打分体系是规避幻觉的有效方法。AI工具的跟进如OpenClaw、ClaudeCode等，反映技术融合趋势。

研报风险提示主要围绕AI在量化领域的局限性。大语言模型易产生幻觉，不适用于直接生成观点判断；AI仅提升懂领域人群效率，无法扩展外行能力圈；量化基础仍需学习，AI不能替代专业能力。此外，技术融合过程中可能存在的数据安全、模型稳定性等问题也需关注。