AI 助力股市分析的工具全景：能力边界、真实代价，以及它在当前 A 股的适用与不适用

master336

345人浏览 · 2026-11-06 12:35:49

master336 · 2026-11-06 12:35:49 发布

在这里插入图片描述

日期：2026-11-06
报告类型：专题研究 · 工具能力评测 + 宏观与资金面交叉验证
分析主题：AI 投研工具图谱与优劣 / 当前 A 股宏观环境与资金面 / 历史规律检验与未来预测
参与成员：洪远见（宏观策略师）、潘明哲（市场解读师）、颜一深（个股研究员）、贾不贵（估值定价师）、连拓远（产业链分析师）、金向北（资金行为分析师）、方有安（风险诊断师）

导语：过去一年，"AI 能炒股"从段子变成了产业。但把 8 个最顶尖的大模型扔进真实市场自主交易，结果是 32 战 6 胜、整体亏掉三分之一；旧金山联储直接让 ChatGPT 预测美国通胀，三个样本外区间全部输给克利夫兰联储一台"低技术含量"的旧模型。

这不是 AI 不行，而是我们把工具用在了它不擅长的地方。

本文做三件事：第一，把 AI 投研工具按五层产业链与四条技术路线拆开，说清每类的强项与最易翻车处；第二，用当前 A 股的真实宏观与资金面做压力测试——哪些判断 AI 能做、哪些必须回原始数据；第三，把"AI 最被低估的能力"和"最被高估的能力"讲透，并给出一份可以直接贴在工位上的人机分工 SOP。

📌 TL;DR

核心结论：AI 投研的正确用法不是"让它告诉你买什么"，而是"让它把 4000 只股票压缩成 20 只，把 3 家券商的分歧摆在你面前，把 10 个季度的数据拉成一张表"——然后由人给出概率、失效条件与仓位。
三条关键依据：
① 能力结构决定用途：同一批前沿模型，接入结构化金融数据工具后准确率 90.8%，仅靠通用搜索降到 19.8%——落差 71 个百分点。决定质量的是数据组织与工具接入，不是模型参数量。
② 实测证据一边倒：Alpha Arena 实盘 32 战 6 胜、组合亏 1/3；ChatGPT 通胀预测误差是克利夫兰联储模型的 2.2～12.8 倍；而读财报长文的失败归因中，检索失败占 66.5%、真正"读不懂"只占 3%。
③ 当前 A 股正处于 AI 最容易出错的场景：宏观是"结构性滞胀 + K 型分化"、PPI 同比与环比给出两套相反的信号、社融"发动机"已从信贷换成政府债；资金面上半导体当日 -43.5 亿 / 5 日 +118.5 亿 / 20 日 -250.1 亿，同一张表三个窗口三种答案——这些都不是数字能直接回答的，而是需要人判断口径与失效条件。
建议动作：🟡 观望 + 分工。AI 当"数据放大器"与"矛盾检测器"，不当"决策器"。当前建议总仓位 40%-50%，结构由"AI 算力单极"转向"上游资源 + 红利 + AI 应用"三足鼎立；资金共识只有两个方向是真的：AI 应用/传媒与医药生物（四路共振），其余全是分歧。

🎯 核心结论卡片

项目	内容
工具路线	四类：数据终端型 / 专业研究型 / 通用大模型 / 量化与智能体
决定质量的因素	数据组织与工具接入（71 pct 落差）> 方法论编码 > 模型能力
AI 强项区	数据罗列、叙事梳理、指标换算、多源交叉与矛盾检测（最被低估）
AI 高危区	精确宏观读数、同比/环比判别、政策细节、实时资金面、历史规律外推
当前宏观定性	结构性滞胀 + K 型分化（成本推动型通胀 + 内需与地产深度收缩）
当前资金面	结构性宽裕、总量克制：ETF 22 日净流入 5,559 亿（宽基占 92.8%），但单日力度已从 837 亿衰减至 112 亿；两融 130 日去杠杆 -24.5%（融资余额口径）
拥挤度	电子公募超配 36.50%（2010 年来第二高）仍未消化，但 AI 链成交额占比 MA5 分位已降至 70% 以下——存量拥挤未解，新增拥挤已消
历史规律的关键结论	7 条规律中：1 条被证伪（信贷脉冲）、2 条只在特定方向有效（两融顶部有效底部失效、ETF 是托底非方向）、1 条前提被改写（降息）
未来 3-6 个月	基准 55% / 乐观 25% / 悲观 20%，沪指区间 3400-3900
建议总仓位	40%-50%

一、先说结论：AI 不是"更聪明的分析师"，而是"更快的复读机 + 更贵的放大器"

1.1 一个必须先看的事实

2026 年 5 月，一家名为 Nof1 的公司搞了一场叫 Alpha Arena 的实盘交易竞赛：把 Anthropic 的 Claude、Google 的 Gemini、OpenAI 的 ChatGPT、xAI 的 Grok，还有阿里的 Qwen、DeepSeek 等 8 个模型，每个给 1 万美元，让它们在两周内自主交易美股科技股，可以观察对手表现，可以用杠杆。

结果：

4 场竞赛共 32 组成绩，只有 6 组盈利，失败率 81%，整体资金池蒸发约三分之一；
在更早的加密永续合约预选赛里，GPT-5 亏 62.66%、Gemini 亏 56.71%、Grok 亏 45.30%、Claude 亏 30.81%，只有 Qwen3-Max（+22.32%）和 DeepSeek V3.1（+4.89%）盈利；
同一份提示词下，Qwen 交易了 1418 笔，Grok 只交易了 158 笔——AI 连"该多频繁交易"都判断不了。

Nof1 创办人 Jay Azhang 的原话是：现在把钱直接交给大模型让它自己去交易，这条路还走不通。

而 AI 并不总是在亏。在只做单一任务时，它的表现相当好——Intelligent Alpha 给 10 个模型提供财报、分析师预测、电话会记录、宏观数据和联网权限，只判断盈利预测方向，2025 年四季度 ChatGPT 的准确率达到 68%。

这两个数字放在一起，就是全文的骨架：

AI 强在"单点、单向、可验证"的任务，弱在"多步、多目标、需承担后果"的任务。

1.2 第二个事实：决定 AI 质量的不是模型，是数据管道

这是本文最容易被忽略、但对你最有价值的一条。

FinRetrieval 基准测试的结果非常干净：同一类前沿模型，接入结构化数据工具后准确率 90.8%，仅依赖通用搜索时降到 19.8%，落差超过 71 个百分点。

在这里插入图片描述

中信建投证券金融工程及基金研究团队在 2026 年 5 月 27 日发布的《模型之上、能力之下：AI 投研还缺什么》把这句话讲得更透：决定金融 AI 质量的是数据组织与工具接入方式，不是模型参数量。

这解释了一个日常体感：为什么同问一个问题，在 Wind 里问和在网页搜索里问，得到的答案质量天差地别？不是"你问得好不好"，而是它背后接的是结构化、带时间戳、口径统一的数据，还是一堆互联网上被污染过的二手信息。

1.3 第三个事实：AI 的错误，绝大多数不是"读不懂"，是"没找到"

圣加仑大学与 ACM 联合发布的 Financial Touchstone 基准，是目前最严谨的金融长文本评测之一：2,878 组问答、480 份年报，且全部为模型训练截止日之后发布的年报（模型无法从参数里"回忆"答案）。

在这里插入图片描述

关键结论有两层：

第一层：AI 的阅读能力已经很强，但没有强过人类的严谨性。

模型	准确率	幻觉率
Gemini 2.5 Pro	91.6%	3.2%
Claude Opus 4 / Sonnet 4	高于人类基准	低于 GPT 系列
人类基准	82.8%	2.8%
GPT-4o	50.9%	32.6%

最好的模型准确率已经超过人类，但没有任何一个模型的幻觉率降到人类之下。

第二层，也是更重要的一层：失败归因彻底改变了问题定义。

对 11,859 例失败的分析给出：

检索失败（信息缺失或残缺）：66.5%
幻觉（凭空编造）：19.2%
真正的理解错误：仅 3.0%
其他复杂多因素：11.3%

在这里插入图片描述

而且论文指出了一个"级联效应"：检索失败会触发超过一半的下游幻觉。换句话说，修好检索，能消灭近七成错误；模型本身其实已经够聪明了。

这里有一个极其反直觉的推论：

如果你用 AI 读一份 300 页的年报然后直接问结论，你得到的不是"AI 的理解"，而是"AI 恰好没翻到那一页"。 这类错误没有任何报警提示——答案读起来完全正常，甚至比人写的还流畅。

还有一个更隐蔽的：Fin-RATE 基准（覆盖 17 个 LLM）显示，纵向追踪任务（LT-QA）的趋势幻觉率高达 8.43%、时间错配率 5.03%，且 35.38% 的错误源于"意图误解"——模型经常把"这半年趋势如何"当成"给我做个年度总结"来回答。"问趋势"恰恰是 AI 最容易糊弄你的问题类型。

二、AI 投研工具全景：五层链条，四条路线，六维对比

2.1 工具链条：五层结构，利润集中在"数据 + 入口"两端

在这里插入图片描述

把 AI 投研工具拆成五层，每层的 AI 含义完全不同——这一点决定了投资逻辑，也决定了选股方向：

层级	内容	代表玩家	AI 的作用	投资含义
0 底座·算力	推理算力	寒武纪、海光信息、华为算力链	赋能	赋能但估值最脆弱，与"AI 投研"关联度低
1 数据层	结构化行情财务库 + 非结构化语料 + 另类数据	Wind、iFinD、Choice、恒生聚源	创造新需求	唯一"AI 越强越受益"的一层
2 模型层	通用大模型 / 金融垂域 LLM	GPT、Claude、DeepSeek、豆包；LightGPT、轩辕、BR-LLM	替代 > 赋能	护城河以月计，垂域模型被通用模型快速压缩
3 应用层	把模型封装成可交付的工作流	问财、妙想、Wind Alice、WarrenQ、TradingAgents	赋能 + 价值重分配	格局未定，入口权是关键
4 交易执行层	券商 AI 投顾、智能交易终端、算法交易	AI 涨乐 2.0、迅投 QMT、PTrade	替代最强、映射最弱	收益归券商，映射到上市券商弹性最低

三个反直觉但关键的判断：

第一，模型层的护城河比想象中薄得多。 恒生聚源 2023 年 6 月自研 LightGPT，2025 年 2 月就接入了 DeepSeek——从自研垂域模型到接入通用开源模型，只用了约 20 个月。券商自研金融 LLM 的窗口期在以月计：2023 年底东吴证券秀财 GPT、2024 年国泰海通君弘灵犀、2025 年华泰证券 GPT 研报助手，现在全都要接外部基座。这意味着"有大模型"不是护城河，"有数据 + 有入口"才是。

第二，数据层是唯一的确定性受益层，而且逻辑是反直觉的。 AI 越强，对非结构化语料（研报、公告、纪要、舆情、PDF 表格）以及高质量结构化数据（资金流、舆情、另类数据、机构持仓）的需求越大——因为模型必须靠 RAG + MCP 接地才能落地。聚源数据服务收入 +9.82%、当虹科技 AI 数据服务收入 +60.64%、每日互动 AI 语料及营销服务 +35.8%，都印证了这一点。

第三，交易执行层的"AI 含量"与股票弹性成反比。 券商 AI 投顾提升的是获客与留存（AI 涨乐累计用户 767 万、月活环比 +15.1%），映射到券商自身利润极薄。而 2026 年 AI 板块的跌幅主力同样在算力（海光 -16.03%、寒武纪 -10.45%）——但注意这是"年内"口径；算力链真正的暴涨发生在更早的周期（通信/电子自高点 -55.52%/-48.80%，即 +354.74%/+278.93% 之后的回调），两个口径不要混用。

第四，最反直觉的一条：AI 概念在这条链上"跌得最惨"。 2026 年内 16 只相关标的全部下跌，跌幅最深的三只恰是 AI 概念最纯的——指南针 -50.85%、每日互动 -36.80%、大智慧 -34.11%。详见第四章。

2.2 六维能力对比：按"路线"看，而不是按"品牌"看

在这里插入图片描述

把主流工具按技术路线分成四类，能力结构立刻清晰：

维度	数据终端型（Wind AI/iFinD、妙想、问财）	专业研究型（AlphaSense、Kensho、Bloomberg）	通用大模型（Claude/GPT/DeepSeek/千问）	量化与智能体（聚宽/BigQuant、TradingAgents）
数据可溯源	★★★★☆	★★★★★	★★☆☆☆	★★★★★
财务/宏观推理	★★★☆☆	★★★★☆	★★★★★	★★★☆☆
实时性	★★★★☆	★★★★☆	★★☆☆☆	★★★☆☆
A 股中文适配	★★★★★	★★☆☆☆	★★★☆☆	★★★★☆
可审计性	★★★★☆	★★★★★	★★☆☆☆	★★★★★
抗幻觉能力	★★★★☆	★★★★★	★★☆☆☆	★★★★☆
最擅长	条件选股、实时数据查询、板块与个股速览	证据溯源至原始文件、事件结构化、卖方共识汇总	推理、叙事构建、跨领域推演、代码生成	因子挖掘、白盒回测、流程可复现
最容易翻车	研报模板化、辩证深度不足、免费额度限制	中文/A 股语境弱、费用极高（Terminal 约 $2.4 万/席/年）、不公开	幻觉率高、无实时数据、结论不可复现	过拟合、未来函数、幸存者偏差、需编程门槛
适合人群	个人投资者、投顾、初级研究员	机构投资者、卖方分析师、企业财资	有技术能力的研究者、需要自定义工作流	量化私募、专业研究员

几条必须点名的细节：

同花顺问财：自然语言转量化条件准确率高，A股/港美股/基金/债券/期货多品种覆盖，还带"回测保存为策略"和"AI 拍照识股"。但免费用户提问次数严格受限（实测六七组条件即提示次数不足），移动端响应明显慢于网页端。
东方财富妙想：2026 年 3 月发布"妙想 Skills"技能包，原生集成机构级 MCP 金融数据库，六大能力包括智能股票筛选、宏观数据洞察、金融数据查询、财经资讯穿透（分钟级预警）、量化 API、妙想问答；妙想大模型已面向全市场用户开放，并全面接入 Choice 金融终端。这是目前 A 股散户能直接用到的、数据底座最扎实的一档。
通用大模型的国产梯队：在 18 个模型统计 108 次财报的测试中，DeepSeek-V4-Flash 单次任务成本仅 0.25 元、Kimi K3 为 2.89 元，而 Claude Opus 5 为 9.38 元、GPT-5.6 Sol 为 7.06 元；7 款模型三次重复测试均达 100% 准确率，国产占 4 款。国产模型在重度办公场景已接近海外旗舰，成本优势显著。
TradingAgents 类多智能体框架：Apache-2.0 开源，模拟交易中 AAPL 累计收益 26.62%（买入持有 -5.23%），且有完整 agent 推理审计链。但明确无实盘券商对接、每次决策 API 成本 $0.50-2.00、结果不可复现（LLM 非确定性）、需要 Python/Docker 环境。定位是"研究工具"，不是"自动交易机器人"。

2.3 谁在为 AI 买单：商业模式的三条分界线

在讨论"工具好不好"之前，先要搞清楚一件更商业化的事：这些工具的收益从哪来？ 三条分界线决定了整个行业格局。

分界线一：按效果收费 vs 按席位收费。 按席位收费的（Bloomberg Terminal、AlphaSense、Kensho、Wind）收入可预测但增长上限被席位数锁死；按效果/调用收费的（OpenAI API、Token 计量）弹性大但波动大。

分界线二：工具毛利 vs 工作流毛利。 单纯调用大模型 API 是纯成本项。真正的利润来自"工作流"——即把数据、方法论、Skill、人工审核打包成可交付成果。中信建投把这条讲得最清楚：纯工具提供方会被大模型厂挤压，纯交付方能活。 这也是为什么"会调用工具不等于会研究"这句话这么重要。

分界线三：零售端变现 vs 机构端变现。 零售端（问财、妙想、涨乐）靠流量与转化，单用户 ARPU 低但量大、反馈快；机构端（Bloomberg、Kensho、Wind）客单价高但决策链长、落地慢。两者的产品逻辑完全不同——零售端要"一句话出结果"，机构端要"可审计、可追责、可嵌流程"。

一个有意思的数据佐证：东方财富 2026 年前三季度销售费用 19.63 亿元，Q3 单季同比 +53%（Q3 单季营业总成本 14.33 亿元），净利率同比 -2.0pct 至 76.5%；员工总数 27,516 人（2025 年末），同比 +25.5%。而恒生电子 9M 营收 32.92 亿元（-5.66%）、归母 5.76 亿元（+26.49%）、扣非 4.95 亿元（+70.18%）。

这两个数字放在一起说明当前阶段是"投入前置、收入未至"——零售端在买流量和用户（东财销售费用 +53%），而机构端靠的是既有客户基本盘 + 成本管控（恒生扣非 +70%）。等 AI 收入真正放量还需要时间。

2.4 五层链条小结：从"能用"到"值钱"的三条分界线

把 2.1 到 2.3 压缩成三句：

分界线	内容	判断标准
能力边界	模型层只负责"生成"，数据层负责"接地"，应用层负责"封装"，执行层负责"变现"	缺任何一层，工具都只能当玩具——没有数据就是幻觉，没有方法论就是复读机
价值捕获	通用模型层被替代最快，数据层与入口层最稳	看"AI 越强，这个环节是更值钱还是更不值钱"
兑现节奏	券商自研垂域模型的窗口期约 20 个月（恒生聚源 LightGPT → 接入 DeepSeek）	有大模型不等于有护城河

这张表直接决定了 A 股的投资含义——见第四章的标的分层与伪受益识别。

2.5 券商侧：AI 已经从试点走进工位

2026 年 10 月 30 日，中国证券业协会发布"智汇证券·共创未来"证券行业人工智能应用案例集，34 篇案例覆盖运营提效、体验升级、决策支持、模式创新、研发效能、风险合规、综合七大方向。作为背景数据：2024 年证券公司信息技术总投入已达 410.88 亿元。

已经跑出可量化成果的案例：

机构	项目	公开披露的效果
国泰海通	君弘灵犀大模型 + 灵犀 APP	截至 2026 年 4 月累计服务 210 万人、问答 680 万条，AIGC 内容工厂日均自动生成并分发 2700 篇投研内容，响应时间压缩至 1 秒内；AIGC 内容审核率 100%
华泰证券	CAMS 智能投研平台 + 智研 SkillHub	研究员人均研报产出效率提升 30% 以上；2026 上半年产出研报 5306 篇；财报季实测整理纪要、核对财报工时下降 40%，纪要自动摘要与关键词溯源准确率稳定在 90% 以上
国泰海通	君弘灵犀赋能投研	研究员数据处理时间缩短 40%
中信证券	"信·企智"市值管理助理	自研 370 余类事件标签体系，舆情解析准确率超 93%，相关业务已创收数千万元
招商证券	AI 研究所工作台	覆盖"搜、读、写、审"全流程；财富顾问人均服务客户数提升 25%
广发证券	易淘金 AI 原生版"AI 透镜"	AI 投资助理累计使用超 1000 万次；"智慧数"沉淀 8.8 万份研报、9 万余项行业指标、800 余条产业链图谱，行业定期报告生成时长从 4 小时压缩至 15 分钟
湘财证券	"湘伴智研"智能体投研平台	投资咨询业务收入增速 182.36%，量化平台交易额跃升超 10 倍
中金公司	分析师 Skill 模块化	提取首席分析师研究框架封装为可调用 Skill，新人上手周期明显缩短
东吴证券	秀财 GPT	国内首个券商自研证券垂类大模型，1.8 万亿通用语料 + 4 千亿金融语料，用于涨跌分析、盘后总结、智能尽调、年报问答

这里有一条容易被忽略的行业共识：中证协案例集的序言判断，AI 落地正从"试点探索"迈向"规模化落地"，而券商数智化正从"拼算力、拼投入"转向"算效率、算价值"。

但真正的分水岭在方法论层。中信建投姚紫薇的原话值得抄下来：

“会调用工具不等于会研究。” AI 即使拿到正确数据和工具，仍可能出现"专业型幻觉"——把筛选结果当结论、把模型信号当指令、把概率信号绝对化。其根源在于场景判断、指标边界、交叉验证等隐性知识难以一次性编码。

她把研究能力的"炼化"拆成三层：工具化（会不会算）→ 技能化（会不会解释）→ 经验化（会不会积累）。而下一阶段的关键是建立"反馈 → 记忆 → Skill"闭环，并由研究员治理记忆折旧与方法适用边界。

“AI 越成熟，研究员越不是被替代，而是从执行研究上移到治理 AI 的记忆、Skill 和方法论体系。”

三、把 AI 放进当前的 A 股：一次真实压力测试

这一节回答你的核心问题：这些工具在分析当前 A 股的宏观环境和资金面时，差异到底在哪。

3.1 当前宏观环境定性：结构性滞胀 + K 型分化

在这里插入图片描述

先给结论，再给证据。

综合定性：偏冷，但冷的性质在变化——从 2024-2025 年的"需求塌陷 + 通缩"，切换为"需求疲弱 + 成本通胀 + 外部冲击"。对权益的含义是：从"系统性低估值的双击"，切换为"结构性的、只能靠政策与产业周期兑现的行情"。

变量	当前状态（2026 年 9 月及前三季度）	方向	周期含义
GDP	前三季 +4.6%，Q3 单季 +4.5%（较 Q2 回升 0.2pct）	边际企稳	衰退后期
制造业 PMI	10 月 49.3（环比 -0.8pct）	收缩加深	滞胀
建筑业新订单	40.0（环比 -5.7pct）	深度收缩	衰退
CPI / 核心 CPI	9 月 +0.9% / +1.0%（连续持平）	低位横盘	无通胀压力
PPI	9 月 +5.0%（破 5），环比 +1.2%	成本推动上行	滞胀
PPI-CPI 剪刀差	4.1pct（前值 3.0pct）	走阔	上游强 / 中下游弱
社融存量	468.17 万亿，+7.1%；扣除政府债后仅 +5.30%	政府托底	私人部门收缩
LPR	3.0% / 3.5%，连续 17 个月未动	持平	被 PPI + 息差按住
10Y 国债	1.593%（年内新低）	下行	宽松预期
政策利率锚	隔夜逆回购 1.25%（10/30 换锚）	下行	宽松
房地产开发投资	1-9 月 -20.6%	收窄但仍深度负	衰退主拖累
出口	前三季美元计 +21.3%，AI 硬件占出口增量近一半	高位但外部风险升	强，但脆弱
融资余额	22,709.77 亿（11/5 沪深两市口径，11/6 早间披露；峰值 30,101.61 亿 @6/25，-24.5%）	去杠杆近尾声	风险释放中

通胀的性质必须说准，这是 AI 最容易搞错的地方：9 月 PPI 同比 +5.0% 里，原油链条贡献环比约 +0.5pct、煤炭开采与洗选业（同比 +35.3%）贡献约 +0.7pct，剩余部分来自 AI 硬件涨价（数据存储设备 CPI +46.7%、平板电脑 +23.6%）和"反内卷"供给出清。而 CPI 只有 0.9%，食品价格同比 -1.77%、猪肉 -12.9%，支撑几乎全部来自能源与 AI 消费电子，服务价格完全没起色。

这是成本推动型（输入性）通胀，不是需求过热。 含义很实在：总量货币宽松被 PPI 高位制约（这是本轮与 2020 年最大的不同），但结构性工具仍有空间。

增长的结构同样关键：高技术制造业 1-9 月 +14.3%，占规上工业比重升至 18.3%，对前三季度增长贡献率 40% 以上；而 1-9 月固定资产投资 -7.2%、民间投资 -10.4%、房地产开发投资 -20.6%。总量在收缩，但 AI 相关的新动能在扩张——这就是"K 型分化"。

3.2 这里有三个 AI 必然踩中的口径陷阱

陷阱一：PPI 同比和 PPI 环比，是两个性质完全不同的信号

PPI 同比于 2026 年 3 月转正（-0.9% → +0.5%）；
PPI 环比于 2025 年 10 月转正，从环比底到转正历时 38 个月，远超历史均值 10 个月。

这一字之差，指向两套完全不同的历史规律：

广发复盘六轮 PPI 上行周期：PPI 环比转正 → 环比见顶，万得全A 历史 100% 上涨；风格序列是"成长 → 金融 → 周期 → 公用事业"；
本轮已发生的顺序：有色（T-40 日）→ 化工（T-18 日）→ 石油石化（T+53 日）→ 煤炭（T+60 日）→ 钢铁（T+131 日），当前应处在石油石化/煤炭接力、钢铁尚未启动的位置。

AI 若不区分同比与环比，会把两个不同性质的信号混为一谈——这是本次研究中最容易出现的错误类型。

陷阱二：社融总量和"扣除政府债后"，方向可以完全相反

社融的"发动机"换人了。 2019 年政府债占社融增量 18%、人民币贷款 66%；2026 年已倒置为政府债 38%、人民币贷款 42%。

这意味着：社融总量 +7.1% 看着温和，但扣除政府债券后仅 +5.30%——脉冲里的水越来越多是财政的水（流向基建和化债），不直接变成科技公司的订单。

读错这一点的代价是方向性的：AI 只看社融总量会说"信用在扩张、周期要起来"；看扣除政府债后的口径会说"私人部门仍在收缩"。

陷阱三：把"预测值"当成"事实值"

10 月社融要在 11 月 10 日才发布，10 月 PPI/CPI 在 11 月 9 日发布。而目前卖方对同一个 10 月社融增量的预测是：

浙商宏观：1.60 万亿（存量增速 7.3%）
广发（倪军团队，11/5）：1.28 万亿（存量 469.3 万亿、增速 7.21%），扣除政府债后同比仅 5.30%
另一家：1.46 万亿

三家预测差 3200 亿。 而 LLM 没有"我不确定"这个默认状态——它会把"1.46 万亿"输出得和已公布数据毫无区别，不会标注这是预测。

这里要引出 AI 最被低估、也最该被用起来的能力：多源交叉与矛盾检测。

把三家券商对同一月社融的预测并排放，分歧立刻暴露——这恰恰是 AI 干得最好、而人类最容易漏掉的活。AI 帮你把不确定性显性化，而不是帮你消除它。

3.3 资金面：结构性宽裕、总量克制——这是全文最容易被 AI 读反的一段

在这里插入图片描述

先给结论：当前 A 股资金面是**“结构性宽裕、总量克制”——下方有实实在在的承接垫，但推动这轮反弹的增量资金正在边际衰减**，且真正形成共识的方向只有两个。

（1）托底资金：ETF 是全年最强的一根支柱

指标	数值	时点
股票 ETF 连续净流入天数	22 个交易日	9/28 ~ 11/3
累计净流入	5,559 亿元	截至 11/3
宽基 ETF 净流入	5,389.04 亿元，7 只核心宽基占 92.8%	同上
单日净流入峰值	837.59 亿元（年内最高）	11/3
11/5 股票指数 ETF 单日净流入	112.43 亿元	11/5
全市场 ETF 总规模	53,271.53 亿元	截至 11/5

这里有一个必须点破的边际变化：ETF 单日净流入从 11/3 的 837.59 亿，掉到 11/5 的 112.43 亿，衰减了约 87%。而同期美股在 11/5 暴跌。"托底资金在减弱"和"外部冲击在增强"这两件事，是同时发生的。

ETF 资金流向了哪里更值得看（11/02~11/06 区间，58 只核心 ETF 样本）：沪深300 643.0 亿（占 34.3%） > 中证1000 294.1 亿 > 中证500 225.9 亿 > 科创50 222.3 亿 > 创业板 190.8 亿 > 中证A500 168.8 亿。

但流出方向的信号更硬：22 日累计，半导体材料 ETF -57.44 亿（全场最大单只流出）、科创芯片 ETF -22.45 亿、通信设备 ETF -20.56 亿、港股通互联网 ETF -30.75 亿。

资金在"买指数、卖科技"——用宽基替代科技 Beta。这与 11/5 科创半导体 ETF 单日 +42.74 亿（全市场第一）并不矛盾：总量在买宽基，结构在科技内部做高低切换。而 11/5 同日半导体设备 ETF 国泰 -17.73 亿、通信 ETF 国泰 -10.50 亿，说明单只 ETF 的申赎方向不能外推到整个板块。

制度性增量资金同步在进场：首批 18 只主动 ETF 合计募集 360 亿元（均触 20 亿上限、比例配售），发行档期原定 10/23~11/9、实际 11/4 全部提前结束；基金公司自购超 27 亿元；全市场 FOF 月内启动募集 32 只创历史单月新高；SFISF 第三次操作 1,000 亿元、31 家机构全额投标、中标费率仅 10bp。

（2）杠杆资金：130 个交易日去杠杆 -24.5%（融资余额口径），是"下跌保护"不是"反弹信号"

指标	峰值 (2026-06-25)	谷底 (11/03)	最新 (11/04)	峰值→最新
融资余额	30,101.61 亿	22,704.93 亿	22,718.11 亿	-7,383.50 亿 / -24.53%
两融余额	30,329.64 亿	22,988.63 亿	23,004.45 亿	-7,325.19 亿 / -24.15%
两融余额/A股流通市值	2.82%（峰值日 07-08）	2.52%	2.47%	-0.35 pct
有融资负债投资者数	205.52 万	197.91 万	197.34 万	-8.18 万 / -4.0%
平均维持担保比例	297.08%（6/25；峰值 297.98% @ 06-22）	249.82%	259.34%	-37.74 pct（自峰值）

一个更稳健的表述方式：融资余额站上 3 万亿平台只维持了 9 个交易日（6/23~7/03）——这个形态判断不依赖峰值具体落在哪一天，比"哪天最高"稳健得多。

这里有一个真实的、工具静默产生的错误，值得完整讲出来：资金分析的首轮查询区间写的是"6/01~11/04"，但接口返回的实际样本起点是 07-03（中间被分页截断，未被察觉）。而 07-03 恰好是"3 万亿平台"的最后一天——于是"窗口内最大值"必然落在起点附近，真实峰值被低估了 294 亿。

整个错误全程静默：工具没报错、表格完整、所有派生统计全部自洽。唯一能发现它的是跨源交叉验证。 详见 5.2 节"陷阱九"。

130 个交易日样本中净流出 55 天、净流入 27 天，最长连续净流出 13 个交易日。

两条必须记住的教训（见 3.6 节的规律检验）：两融余额顶部信号有效（6/25 峰值 30,101.61 亿领先 9/22 指数高点约 89 个自然日 / 12.7 周；更稳健的表述是"3 万亿平台只维持 9 个交易日"），底部信号失效（融资余额首次转正 11/4，当天指数已涨 2.16%，已是反弹第 3 天）。原因是这次托底的是 ETF 资金而非杠杆资金。

修正后的可用结论：两融余额适合判断"下跌动能"，不适合判断"反弹起点"。 两融占流通市值 2.47%（峰值 2.82%）说明杠杆水位已明显下降，指数若二次下探，空间相对有限——这是可以用两融给的"下行保护"判断。

（2b）去杠杆的二阶传导：为什么"余额已降 24.5%"之后跌幅还能继续扩大

券商归因原文：“本轮剧烈调整主要由机构重仓股诱发，逐步传导至高融资占比板块”，且 10/15 起高融资组合跌幅首次超过机构重仓股组合。

机构重仓股先跌 → 净值压力 → 赎回/风控降杠杆 → 压力传导至融资盘（高融资占比板块被强平）→ 跌幅反超机构重仓股本身

这推翻了一个直觉判断：“两融余额已降 24.5%” ≠ “杠杆杀跌接近尾声”。去杠杆是滞后指标——融资余额下降是结果而非原因。 所以"余额见底"只说明"强平压力释放了一部分"，推不出"不会继续跌"。

冲击路径	时间轴
融资保证金比例 80%→100%	1/14 宣布、1/19 实施
年内融资累计净流入转负	10/13
单日净流出 313.6 亿；高融资组合跌幅首次超过机构重仓股组合	10/15
累计净流出 1,431.69 亿；连降 13 个交易日至去年 9 月水平	10/27
10 月单月净流出 1,636.09 亿	10 月
四连降结束，累计 -1,131.80 亿；11/4 转增 +15.84 亿（1,721 只融资余额增长）	11/3–11/4

行业层面：四连降期间通信融资余额 -12.14%（最高）、电子 -8.43%（单日减 369.67 亿居首）、机械 -6.29%。7 月以来至 10/27，电子融资净流出 2,117.35 亿（占其上半年净流入的 78%）、通信 764.04 亿（已超上半年净流入 710.76 亿）。个股层面，融资净流出前十个股同期股价跌幅均超 40%，中际旭创净流出 227.88 亿、连续 17 个交易日净流出。

🟢 但有一个反向的稳定器：6/30 全市场信用账户平均维持担保比例 296.44%（上半年均值 288%），远高于 140% 的行业平仓警戒线。本轮是有序减仓，全程没有出现强平踩踏。

两句话必须一起说：没有强平踩踏 = 不存在系统性风险；但主动减仓仍可能继续 = 也不等于不会继续跌。

（2c）🔴 一个只有政策原文里才有的信号：中央汇金类平准基金

11/5 公布的《国务院关于金融工作情况的报告》（11/3 十四届全国人大常委会第二十五次会议听取，11/5 经国务院新闻办公室发布会公布），原文：

“实施好支持资本市场的货币政策工具，支持中央汇金公司发挥类平准基金作用，拓宽中长期资金来源、渠道和入市方式，巩固完善资本市场稳市机制。”

报告同时提到"引导社保基金、证券基金机构和保险机构等入市"、“设立应对非银机构大额赎回的流动性支持工具”、“持续评估完善货币政策框架”。

这把市场的性质从"纯去杠杆"改成了"去杠杆末端 + 政策底初现 + 外部冲击进行中"的三力叠加——从"被动缩量"切换到"政策托底 + 边际增量"。

这一条是本文主题最好的印证：它在所有数据接口里都查不到——不在两融、不在 ETF 申赎、不在资金流、不在行情里。AI 工具能高效处理结构化资金数据，却不会主动去读一份人大常委会报告。AI 的盲区不在"算"，在"知道该看什么"。

（3）一个必须自己算的例子：11/5 的"指数不动、个股普涨"

11 月 5 日：上证 +0.10%，但 4,869 只上涨、625 只下跌、86 只涨停、0 只跌停，成交额 2.12 万亿（放量 802.59 亿），主力资金净流入 +85.08 亿。

同期指数表现分化极端：中证1000 +2.12%、中证2000 +2.66%、万得微盘 +2.93%，而沪深300 仅 +0.29%、上证50 仅 +0.09%。

这是典型的"指数不动、个股普涨"结构。 上证 3,689.91 点被东方证券称为"第一压力位"。单看指数会完全错过这个结构——而这正是 AI 工具最容易犯的错：它会去报告"上证今日微涨 0.1%“，而真正该报告的是"4,869 只股票在涨，小微盘显著强于大盘，指数被权重股拖住了”。

（4）拥挤度：四把尺子给出相反答案，这才是真实图景

尺子	读数	判定
一、公募超配比例（最权威，滞后 1 个月）	电子 36.50%（环比 -6.74pct），2010 年来第二高，仅比 Q2 峰值低 3.1pct；通信 15.20%；TMT 合计 53.1%（2010 年来次高）	存量筹码极度拥挤
二、成交额占比 MA5 分位（最及时）	PCB、半导体设备回落至中等；半导体材料、MLCC、国产算力芯片、光通信处相对低位	新增拥挤已消
三、单板块成交占比	半导体单板块半日占全 A 成交 16.4%（1,489.8 亿）	极高
四、杠杆拥挤度	两融/流通市值 2.47%（峰值 2.82%）；维持担保比例 259.34%（峰值 297.98% @ 6/22，10/30 曾见 245.56%）	中等，仍有 0.35pct 空间

⚠️ 但尺子一单独用是不够的——必须补齐"拥挤度三件套"：

三件套	电子	通信	缺了会怎样
① 配置权重历史分位（国信）	98.51%（“接近满格”）	98.51%	只说"34.4%"，不知这是历史极值
② 超配比例	+16.6%	+9.1%	不知相对基准超配多少
③ 抱团持续季度数	5 个季度	3 个季度	不知这个状态已持续多久

第三项最关键："抱团极致 5 个季度"这五个字，比任何单日资金流数据都更能说明风险量级——它意味着这个状态已被反复验证 5 次，每次都延续很久。

但同样要防另一个方向的误判：“拥挤"≠"该卖”。历史上高拥挤之后仍可震荡 2-5 个季度。拥挤度是风险放大器，不是卖出信号；正确用法是"拥挤度高 + 资金流出 + 跌破维持担保比例"三者叠加时，回撤幅度才显著放大。

⚠️ 一个容易被忽略的口径陷阱：同一个"电子配置权重"，国信证券 34.40%、天相投顾 36.48%、国盛证券 34.38%、排排网（全公募口径）约 34%——差异全部来自样本与算法。但四个口径指向同一结论：电子是绝对第一大重仓行业、处历史极高分位、抱团已持续 5 个季度。AI 只要拿到一个"34.40%“就会当成唯一真理；人工必须追问"哪个口径？含不含被动？前十大还是全部重仓？”

尺子一和尺子二看起来矛盾，实际不矛盾——这正是 AI 理解不了的地方：

公募仓位还高（存量筹码没消化完），但交易热度已回落（新增资金不再涌入）。

这意味着两件事：① 反弹有交易层面的支撑；② 一旦公募超配比例开始向历史均值（75% 分位 13.37%）回归，意味着约 23pct 的仓位需要腾挪——这是当前最大的隐患。

华安证券的原文警告值得原样引用：“行业超配比例达到 2010 年以来统计历史高位时，未来半年/1 年/2 年/3 年超额收益大概率回落或跑输。”

另外两个即将到来的压力点：

筹码供给后移：11 月解禁 1,165.81 亿（年内最低）→ 12 月 4,955.42 亿（11 月的 4.25 倍），2027Q1 三个月 7,658 亿。11 月下旬开始就要提前定价。
散户接盘：11/6 早盘沪市超大单 -77.14 亿、大单 -101.78 亿（机构合计 -178.9 亿），但中单 +26.94 亿、小单 +151.99 亿——教科书式的"机构派发、散户承接"。

（5）资金共识图谱：只有两个方向是真共识

方向	ETF/两融	主力资金	机构调研	公募重仓	盘面	共振强度	确信度
AI 应用 / 传媒	—	11/5 AI应用 +57.33 亿、人工智能 +57.28 亿（TOP2）↑↑	电子 986 次（73 股）↑	广告营销 20 日 +13.33 亿 ↑	11/5 传媒 +3.58% ↑	四路	高
医药生物	—	个护用品 20 日 +58.45 亿 ↑	医药 976 次（62 股）↑	+3.95pct 至 9.44% ↑	医药走强 ↑	四路	高
宽基 ETF	22 日 +5,559 亿 ↑↑	—	—	仓位微降	成交 2.12 万亿	三路	高（托底型）
半导体 / AI 硬件	半导体材料 ETF 22 日 -57.44 亿 ↓	三窗口符号相反	电子第 1 ↑	配置 36.5% ↓（被动）	11/6 大跌 ↓	分歧	低
银行 / 红利	红利 ETF 22 日 +71.34 亿 ↑	—	—	银行 +1.03pct ↑	11/5 银行 -0.59% ↓	三路（盘面背离）	中
煤炭 / 石油	—	—	—	煤炭 +0.58pct ↑	11/5 煤炭 -3.98% ↓	分歧	低

半导体这个分歧的本质，是本文最需要说清的一点：

公募的仓位下降主要是"价格跌出来的"，不是"资金撤走的"。 26Q3 电子跌 32.65%、通信跌 28.72%，但剔除涨跌幅后主动减仓仅 1.09pct 和 0.37pct。同期真正在加仓的是 QFII（长鑫科技为 QFII 第一大新进重仓，163.26 亿；先导基电获高盛 +973.43 万股、瑞银 +255.30 万股）和产业调研热度（源杰科技单股吸引 100 家私募，含 12 家百亿级）。

结论：这块筹码的持有者结构在换手，不是在流失。 而"换手"与"流失"的投资含义完全不同——前者是结构切换，后者是趋势恶化。AI 工具几乎必然把这两者搞混，因为它只会报数字，不会问"这个数字下降的原因是价格还是资金"。

还有一个关键的"暗流"：QFII 持仓呈哑铃型——电子 836.83 亿（第 1）+ 银行 811.01 亿（第 2）占绝对主导；QFII 总持仓 2,707.26 亿元，同比 +79.87%；阿布扎比投资局持股数从 65 只扩至 78 只。

（6）AI 工具在资金面分析上最典型的翻车方式

半导体的三个窗口是教科书级案例：当日 -43.54 亿、5 日 +118.46 亿（净流入第 1）、20 日 -250.10 亿。同一张表里三个窗口给出三种答案。

任何只看单一窗口的 AI 结论都会自相矛盾——它可能今天说"半导体资金大幅流出"，明天说"半导体资金大幅流入"，两个结论都"有数据支持"，但都不完整。

还有一类更隐蔽的：

"昨日连板"概念指数年初至今 +12,952.07%，60 日 +297.56%，换手率 11.67%。

这是伪信号——成分股每日更换的滚动概念指数，涨跌幅几乎无经济含义。但它是"看起来最像 alpha"的字段：数字极醒目、格式完全正常、来源是正规数据接口。 AI 极容易把它写进报告当作"市场情绪高涨的证据"。

以及一个本报告写作过程中实际遇到的静默错误：金融数据接口的"北向资金热门板块"分区，三个时间窗口的数据日期全部停留在 2024-08-16（812 天前），格式完整、有涨跌幅有金额。如果不看时间戳，AI 会把这组"净买入 7.41 亿国有大行"当作今天的北向动向写进文章。

顺带一个必须讲清楚的现实约束：北向资金（陆股通净流入）自 2024-08-19 起已不再实时披露，个股持股改为季度披露。所以"北向今天流入多少"这个问题，在制度上已经不存在了——AI 若给出一个精确的当日北向净流入数字，那是编的。

3.4 同一时点的三重事实：AI 无法自行裁决的典型判断题

在展开外部冲击之前，先看一个更贴近操作的现场——今天（11/6）A 股同时发生的三件事，正好构成一道 AI 答不好的题。

事实	数据	表面读法
事实 A	11/6 早盘低开，沪指 -2.11%、创业板指 -4.99%、科创 50 -5.05%，超 5400 只个股下跌；半导体主力净流出 43.54 亿	“崩了”
事实 B	同日午盘，创业板指一度翻红涨超 0.34%，全市场超 4000 只个股上涨；央行开展 2260 亿隔夜逆回购、利率 1.25%	“有资金托底”
事实 C	11/5 晚间《国务院关于金融工作情况的报告》定调"维护资本市场稳定"；11/6 早盘"利好出尽"式冲高回落，光伏、房地产、固态电池、PCB 领涨，半导体、通信领跌	“政策见顶”

AI 会怎么读这三件事？

读 A：“外部冲击 + 主力流出，风险偏高，建议减仓”；
读 B：“央行流动性支持，逢低布局”；
读 C：“政策利好兑现，短期见顶”。

三个结论可以互相矛盾，但每一个单看都"有数据支持"。

这道题的正确答案需要三个维度同时成立：

政策是"多方共识"而非"利好出尽"——11/6 盘后发布的证监会"机核改革"六条（建立上市公司回购增持再贷款、发挥中央汇金"类平准基金"作用、便利并购重组等）意味着政策仍在加码而非见顶，11/6 的冲高回落是隔夜美股滞后传导造成的情绪压制，而非政策出尽；
资金结构在改善——11/5 主力净流入 +85.08 亿、ETF 净申购 22 日累计 5,559 亿，而 11/6 是机构派发、散户承接（小单 +151.99 亿 vs 大单 -101.78 亿）。指数下跌但增量资金未撤，这与"崩盘"是两件事；
技术位置有支撑——11/5 上证收 3,689.91 点，3,675 点是 9 月以来的上升趋势线，回踩该线是强势股的标准动作；东吴证券测算万得全 A 风险度 -1.17、处 2.7% 分位，创业板指/科创 50 风险度分位约 1.5%/1.8%，指向"下行空间受限、趋势反转未至"。

AI 之所以答不好这道题，不是因为它不会算，而是因为它不知道"该算什么"。

它能算出"跌了 4.99%“，但算不出"这 4.99% 是外部冲击的滞后传导，不是政策出尽”；能算出"主力净流出 43.54 亿"，但算不出"ETF 22 日净流入 5,559 亿说明下方有承接"；能算出"央行投放 2260 亿逆回购"，但算不出"11/6 晚间还有证监会六条改革"。

这三件事都不是"读不出来"，而是"不会去读"。 缺的是研究框架——这恰恰是中信建投所说的"方法论层"缺失。

3.5 外部冲击：11 月 5 日是一次 AI 叙事的定价重置

在这里插入图片描述

11 月 5 日（美东）：道指 -3.44%、标普 500 -4.36%、纳指 -5.52%、纳斯达克 100 -6.36%，费城半导体指数 -12.25%（2020 年 3 月以来最大单日跌幅），VIX +69.48% 至 28.15。科技七巨头市值单日蒸发约 1 万亿美元。

触发因素：美国中期选举民主党横扫国会两院 → 市场担忧数据中心审批与建设前景受阻；瑞银估计约三成原定 2028 年新增数据中心容量面临延期风险。

亚太 11 月 6 日：日经 225 较 6 月高点回撤 20% 进入技术性熊市；台积电跌近 10%；韩国 KOSPI 开盘跌超 8% 触发一级熔断。

第二个当场抓出的错误：11/6 的盘面数字是"低开跌幅"，不是"收盘跌幅"。 11/6 早盘三大指数低开沪指 -2.11%、深成指 -3.72%、创业板指 -4.99%、科创 50 -5.05%；但截至午盘已经收敛为沪指 -1.08%、深成指 -3.31%、创业板指 -1.64%（全市场超 4000 只个股上涨、创业板指一度翻红）。如果把开盘跌幅当成收盘跌幅写进"当前市场状态"，方向就完全错了。

这正是 AI 最典型的错误机制：抓取到一条带时间戳的行情快照（11:06），却把它当成"今日收盘结果"（15:00）。 时点错配是本文反复强调的"数据类风险"中最容易发生、也最难自查的一种。

对 A 股的直接含义，也是当前最需要 AI 辅助判别的地方：

这是"估值重定价"还是"需求下修"？ 这两类在盘面上早期表现几乎一样，但后续路径完全不同。

AI 在这里最容易错：它会流畅地复述"AI 长期需求不变"（这句话是对的），但不会告诉你"三成 2028 年容量可能延期"这个具体量级（这句话也是对的，但需要人去查）。它给你的是结论，不是量级。

3.6 历史规律检验：七条规律，一条被证伪、两条只在特定方向有效、一条前提被改写

这一节是本文最应该被慢读的部分。

规律 1：PPI 同比转正 → 顺周期取得超额收益 ✅ 成立，但前提被改写

样本：2000 年以来 8 轮 PPI 上行区间，其中 5 轮由负转正（2009.7-2011.7、2012.9-2014.7、2015.12-2017.2、2020.5-2021.10、2023.6-2024.7）。
结论：PPI 同比转正后至触顶持续约 9-22 个月；第一段（底部回升至转正前）汽车、家用电器 5 轮全部进入超额收益前十，电子 5 轮中 4 轮进入前十；第二段（转正至阶段高点）顺周期全面占优。
本轮定位：同比 2026 年 3 月转正，当前处于第二段。已验证：煤炭 +22.6%、石油石化 +7.0% 是申万 31 行业仅 3 个正收益中的 2 个。
⚠️ 失效条件（本条最需警惕）：
1. 驱动结构不同。历史 PPI 转正多由需求拉动；本轮**"反内卷"供给侧贡献显著强于需求侧**。一旦供给约束松绑，PPI 可能快速回落，周期 alpha 来得快去得也快。
2. 环比底到转正历时 38 个月 vs 历史均值 10 个月，是内生需求疲弱的直接证据，意味着周期行情的时间成本远高于历史。
3. 输入性通胀会反向打断。若中东局势缓和、原油回落，PPI 环比可能提前见顶。
4. 美联储 12 月可能加息 25bp，抬升全球贴现率，压制顺周期 beta 与商品估值。

规律 2：PPI 环比转正是比同比更精确的退出信号 ✅ 成立

结论：PPI 环比见底后可参与；环比转正 → 环比见顶，万得全A 100% 上涨；环比见顶到同比见顶，市场一般不会趋势性下行。风格序列：“成长 → 金融 → 周期 → 公用事业”。
⚠️ 失效条件：① “100%” 是历史样本结论；② 当周期上行由地缘事件（战争）而非产业周期驱动时，见顶时点取决于事件而非基本面，模型失效——本轮美伊冲突已多次反复；③ 本轮同时叠加 AI 产业周期，广发自己就说"成长风格持续性取决于有没有明确的产业周期"，本轮 AI 周期是明确的，所以序列在 2026 年被压缩甚至打乱。

规律 3：信贷/社融脉冲领先指数 ❌ 本轮已被证伪

原规律：信贷脉冲（当月社融增速 - 12 个月前增速）拐点平均领先上证指数 4 个月（相关系数 0.55），领先沪深 300 也是 4 个月（0.67）；华创口径下领先全 A 非金融净利润增速 6-8 个月。
教科书级反例（本轮）：2024 年 9 月 24 日之后脉冲仍是负的，按规律"不该有大行情"，但科创 50 从 643 点最高涨到 2026 年 6 月的 2207 点，涨了两倍多；脉冲 2025 年 6 月见顶后一路走低、2026 年回到 -1.6，科创 50 偏偏在二季度加速冲顶，两条线完全背离——迟到一年，才在 2026 年 7 月单月跌 26% 得到验证。
为什么失效：① 社融发动机从信贷换成政府债；② 先行指标可能变成滞后指标——业内已有明确反思：“社融增速已不能作为市场的前瞻性指标，市场过于博弈，会在数据出来前完成定价”，926 行情的社融拐点 2025 年 1 月才出现，“看着社融数据岂不是完全错过 926 行情”；③ 总量掩盖结构。

规律 4：降息当天高开高走、三个月后红利占优 ⚠️ 前提被改写

样本：2025 年 5 月 19-23 日（LPR 双降 10bp 后首周）。上证 -0.57%、深成指 -0.46%、创业板指 -0.88%；周内行业 9 涨 21 跌；价值跑赢成长（计算机 -3.00%、电子 -2.10%），医药 +1.92%、汽车 +1.80%、综合 +1.93% 领涨，黄金珠宝 +7.95%；红利受益于存款利率同步下调带来的息差企稳预期。
⚠️ 失效条件：
1. 预期已在定价时，降息当天不涨反跌——2025 年 5 月 7 日会议已预告降息，落地当周"市场反应较小"，红利仅小幅收涨，TMT 反而承压。AI 若按"降息 → 成长涨"的教科书叙事推演，会给出与事实相反的结论。
2. 独立产业周期可以压过利率逻辑——2025 年 AI 算力主线主导下，降息并未阻止成长行情。
3. 降息的"性质"决定方向——若是"经济走弱被迫降息"，则顺周期与红利同跌，市场从"降息利好"切换为"衰退交易"。
4. 本轮的现实约束：PPI 5.0% + 银行净息差 1.41% 历史低位 → 降息本身就不该被默认，LPR 已 17 个月不动。任何"预计年内降息 10bp、降准 50bp"的表述目前都只是概率，不是事实。

这七条规律合起来给出一个重要提醒：AI 给你结论和统计，但把"何时失效"这一步留给了你——而这恰恰是全部价值所在。

更隐蔽的是信号拥挤：所有 LLM 训练于大致相同的公开语料、都偏好同样的头部指标（社融、CPI、PPI、社融-地产），独立用户问"给我一个 alpha"会得到高度相关的策略，加速拥挤与衰减。当你和所有人用同一个 AI 做同一个策略时，你得到的是零 alpha。

规律 5：两融余额拐点领先指数拐点 —— 顶部有效，底部失效

顶部信号（有效）：融资余额峰值 2026-06-25（30,101.61 亿），上证阶段高点 2026-09-22（盘中 3,967.68），杠杆顶部领先指数顶部约 89 个自然日（12.7 周）。机理：杠杆资金是最高贝塔部分，融资余额见顶 → 边际买盘枯竭 → 指数随后见顶。10/13-10/27 期间单日融资余额多次出现 -200 亿以上（10/30 单日 -414.30 亿、11/03 -321.54 亿），与指数从 3,697 跌向 3,574 高度同步。
底部信号（失效）：上证阶段低点 2026-10-23（盘中 3,574.27），融资余额谷底 2026-11-03（22,704.93 亿），比指数低点晚 7 个交易日；融资余额首次转正 11/04（+13.18 亿）当天指数已 +2.16%——已是反弹第 3 天。
失效条件：① ETF/政策资金成为主导增量资金时，两融的领先性失效（本轮即如此）；② 指数由估值修复驱动而非流动性驱动时，相关性下降；③ 两融 T+1 披露，天然滞后一日。
修正结论：两融适合判断"下跌动能"，不适合判断"反弹起点"。 当前两融占流通市值 2.47%（峰值 2.82%），说明杠杆水位已明显下降，指数若二次下探空间相对有限——这是可以用两融给的"下行保护"判断。
一个更稳健的替代锚点：“3 万亿平台只维持 9 个交易日”（6/23~7/03）——这个形态判断不依赖峰值具体日期，比"哪天最高"稳健得多。

规律 6：ETF 净申购领先指数反弹 1-2 周 —— 方向性弱，缓冲性强

支持证据：ETF 连续净流入起点 9/28，上证阶段低点 10/23（3,574.27），领先约 17 个交易日（3.4 周）；11/3 ETF 单日净流入 837.59 亿（年内峰值） → 11/4 指数 +2.16%。
反例：11/3 净流入创年内峰值，但随后 11/6 隔夜美股纳指暴跌 5.52%、费半暴跌 12.25%，创业板指盘中仍 -3.31%。ETF 资金缓冲了跌幅，没有创造方向。
失效条件：① ETF 申购是"托底资金"不是"方向资金"；② 本轮 22 日连续净流入是自 2015 年以来罕见，驱动来自稳市工具（SFISF 三次操作 1,000 亿、主动 ETF 360 亿）和被动配置需求，而非风险偏好回升；③ ETF 净流入与指数上涨可同时反向（下跌市是抄底，上涨市可能是获利了结）；④ 申赎数据 T+1 披露。
修正结论：ETF 净申购是"下跌保护"指标，不是"上涨预测"指标。 22 日累计 5,559 亿、宽基占 92.8%，说明下方有实实在在的承接垫，但这个垫的高度取决于政策工具的续接力度。

规律 7（附加）：ETF 内部结构比总量更有信息量 —— 有效

宽基 ETF 22 日净流入 5,389 亿，7 只核心宽基占 4,999 亿（92.8%）→ 资金在做指数化 Beta 底仓，不是个股 Alpha；
同期半导体材料 ETF -57.44 亿、科创芯片 -22.45 亿、通信设备 -20.56 亿 → 资金在**“买指数、卖科技”**；
11/5 单日科创半导体 ETF 华夏 +42.74 亿（全市场第一），同日半导体设备 ETF 国泰 -17.73 亿 → 同赛道内部分化剧烈，单只 ETF 的申赎方向不能外推到整个板块。

结论：ETF 申赎的"层级结构"（总量 → 宽基/行业 → 单只）比总金额信息量大得多。 AI 工具最容易犯的错是拿到"净流入 837 亿"就下结论；而真正有价值的是"宽基占 92.8%、行业 ETF 流出、半导体设备 ETF 单日 -17.73 亿"。

3.7 未来 3-6 个月：三情景与共同底

情景	概率	核心判断	市场含义	触发条件
基准	55%	成本通胀高位回落 + 内需缓慢修复 + 政策持续但不加码。PPI 同比 11-12 月见顶（10 月 5.2-5.3% → 12 月 4-5% → 2027 年 2-3 月回落至 2-3%）；CPI 0.7-1.0%；社融稳在 7.1-7.3% 但扣除政府债仍卡 5.3%；LPR 全程不动	沪指 3400-3900 区间震荡；风格从"AI 算力单极"转为"上游资源 + 红利 + AI 应用"三足鼎立	10 月 PMI 回到 50 附近；建筑业新订单从 40.0 回到 45+；10 月社融"扣政府债后"止跌回升；PPI 环比 11-12 月转负
乐观	25%	美股崩盘被证明是情绪性过度反应（瑞银"三成容量延期"被订单证伪）+ 8000 亿工具在 Q4-Q1 形成实物工作量	成长反超周期，创业板指重回 3000 上方，沪指站上 3900-4000，回到戴维斯双击	费半 5 日内收复 11/5 跌幅一半以上；海外云厂商上调 capex 指引；中国集成电路 10 月出口维持高增；12 月建筑业新订单 PMI > 47；融资余额重回 24000 亿上方
悲观	20%	海外 AI capex 实质下修（不是延期，是取消）+ 中东恶化推升油价至 130 美元以上 + 美联储 12 月加息落地	中国面临"出口下滑 + PPI 再上行 + 加息"最难受组合；A 股从结构调整转为总量下行；沪指下探 3200-3300，创业板破 2200，人民币重回 7.0 附近	美国 AI capex 指引数字下调（不是措辞谨慎）；布伦特站上 105 美元且持续 2 周以上（当前 98.29，105 美元才是与 10 月供给冲击可比的位置，130 美元属极端情形）；美联储 12 月加息且点阵图上移；11 月出口同比转负；韩国/台湾半导体出口转负

三情景之外：决定方向其实是三个边际变量

比情景概率更重要的是"哪个变量在动"。 三个边际变量，对应三个完全不同的方向：

边际变量	边际变化的方向与含义	触发阈值
AI 资本开支预期	11/5 美股暴跌 + 瑞银"三成 2028 年容量延期"——这是本轮唯一的主导变量	云厂商 capex 指引是"延期"还是"下修"，一句话定生死
AI 链的成交额分母	成交额从 3.03 万亿降到 2.15 万亿，AI / 金融 IT 的估值锚其实是成交额，不是叙事	日均成交额 2.0 万亿是分水岭（AI 链要 2.5 万亿以上才有持续性）
AI 链自身资金流	人工智能今日 -98.82 亿、近 10 日 -383.87 亿；软件开发和金融科技同步流出	10 日累计流出需收敛至 -200 亿以内

用一句话概括当前状态：AI / 金融 IT 是"便宜但没人买"（低拥挤 + 资金持续流出），算力硬件是"跌得多但趋势未确认"（-55% 但主力仍在流出）。

两者都不是"买入信号"，而是"等证据"的信号。

三个情景的共同点，是真正的"共识底"：无论哪个情景，2026 年 11 月到 2027 年 5 月，A 股最大的结构性事实不会变——地产仍在深度负增长、AI 相关出口仍占出口增量近一半、社融仍靠政府债支撑、PPI 仍由成本而非需求驱动。

这四条共同决定了市场的形态是结构性的，不是 β 性的——这也正是"降息利好成长""社融回升利好大盘"这类简单叙事在本轮很难直接兑现的原因。

3.8 情绪周期：主升后段 → 退潮初期（首次剧烈分歧）

如果要给当前市场一个情绪定位，答案是"退潮初期"，不是"修复"，也不是"冰点"。 这个判断靠的是一组可量化指标的交叉：

指标	11/6 盘中	11/5	指向
涨停家数	27	86	断崖式收缩 -69%
跌停家数	1	0	尚未恐慌
上涨家数占比	17%	88.6%	情绪分位：过去一年底部 32%
连板高度	最高 5 板（浙文影业/闽发铝业）	—	高度仍在，未压缩到 2 板
"昨日连板"板块	+2.51%，换手 12.02%，60 日 +296.43%	—	拥挤度极高但未崩
两市成交额（盘中）	10,912 亿，同比昨日同时段 -23%	2.12 万亿	量能开始退
上证技术位	3650.97 < MA5 3654.64 < MA20 3693.39 < MA60 3841.38	—	全线跌破，空头排列
创业板技术位	2479.84 < MA5 2488.34 < MA20 2648.99 << MA60 3142.42	—	MA60 高悬 +26.6%
主力资金	沪深300 净流入 -142.73 亿、超大单 -117.20 亿；近 5 日 -202.69 亿、近 10 日 -682.93 亿	—	持续流出
上证 MACD	DIF -50.40 / DEA -55.70 / 柱 +10.61	—	水下金叉，反弹已耗尽

为什么不是"冰点"：跌停仅 1 家、涨停仍有 27 家、连板高度维持 4-5 板、"昨日连板"板块今日还涨 2.5%——恐慌没有出现，赚钱效应只是从"极强"直接回落到"偏弱"。

为什么不是"修复期"：修复期的特征是缩量企稳 + 广度温和回升 + 跌停出清。今天是 4,492 家下跌、成交额同比缩量 23%、沪深300 主力净流出 142 亿、上证跌破全部均线——修复的量能条件已被破坏。

为什么是"退潮初期"而非"退潮中后期"：11/5 是普涨（4,869 家上涨、86 涨停、2.13 万亿成交），11/6 立刻反向。这种"一天冰一天火"是退潮期最典型的形态——分歧加剧但尚未形成单边下行。

一个被忽略的历史坐标：上证 9/7–11/6 区间最高 3,967.68（9/22）、最低 3,574.27（10/23），当前 3,650.97 距低点仅 +2.1%。创业板指从 9/22 高点 3,472.47 到 11/04 低点 2,376.28 跌 31.6%，当前 2,479.84 仅反弹 4.4%。

风格偏好：三个维度的答案互相矛盾

观察窗口	占优风格	数据
3 个月	价值 / 红利（压倒性）	红利 +3.33%（唯一正收益）vs 创业板 -27.39%，差 30.7pct
近 1 周	小盘 / 成长（明显）	中证1000 +4.25% > 沪深300 +1.77% > 上证50 +1.75% > 红利 -1.95%
今日盘中	防御（急转）	红利 +0.40%、银行 +0.26%、铁路公路 +1.27%；创业板 -3.31%、国证1000成长 -2.44%

结论：当前是"高低切"而非"趋势性风格切换"。 证据是 11/5 红利板块被集中抛售（中国石油 -7.93%、中国神华 -6.26%、煤炭 -3.98%、银行 -0.59%），11/6 又立刻反手回防御——双向撕裂，两天就翻转一次。

一个反常识的点：红利不是"避险受益者"。 红利指数近 3 个月 +3.33% 的同时，近 1 周 -1.95%、11/5 单日 -2.19%；今日 MA5 3297.10 / MA20 3307.46 / MA60 3301.22——三条均线距离不到 0.32%，完全纠缠。红利的 3 个月收益是从 6 月一路阴跌下来的"相对抗跌"，不是 10 月以来的新趋势。

资金流向印证高低切：11/5 资金从红利流向小盘；11/6 资金从科技流回防御（地域口径：广东 -86.64 亿、江苏 -57.80 亿、北京 -42.58 亿，即算力硬件重镇；黑龙江 +2.79 亿、新疆 +1.44 亿）。

真实结论：11/6 的资金是"两边都不信任"——既不敢接科技，也不敢留红利。 这不是风格切换，是存量博弈下的资金真空。

3.9 AI 工具链自己的资金流：低拥挤 + 资金不持续 = 反弹不是趋势

既然本文讨论的是 AI 投研工具这条产业链，那么一个自然的问题是：市场自己在给它定价吗？钱到底流到哪了？

板块	今日	近 5 日	近 10 日	读数
人工智能	-98.82 亿	+9.29 亿	-383.87 亿	今日大幅流出，10 日净流出约 384 亿
软件开发	-13.27 亿	-1.69 亿	-86.07 亿	持续温和流出
金融科技	-12.39 亿	+1.37 亿	-67.34 亿	同上
传媒	-16.27 亿	+71.31 亿	+16.42 亿	唯一 5 日与 10 日同为正的板块

近 10 日三大板块（人工智能 + 软件开发 + 金融科技）主力净流出合计约 537 亿。

⚠️ 两条必须记录的实测陷阱（同一板块、同一日、口径不同结论相反）：

**① "主力"与"主动主力"在同一日可以符号相反。**金融科技 11/6 实测：主力 -13.05 亿，但主动主力 +1.30 亿（净流入）。前者把大单+超大单全部计入，后者只计主动成交方向。引用时必须写明是哪个口径。
**② 盘中数据会随时间刷新，同一"近 10 日"序列在不同时刻取数会得到不同值。**实测同一接口：11/6 上午取到 -67.34 亿 → 稍后 -67.79 亿 → 最新 -68.00 亿，差异 100% 来自 11/6 当日盘中数据的实时更新（验算：-67.34 + (-12.84 - -12.39) = -67.79 ✓；-67.79 + (-13.05 - -12.84) = -68.00 ✓）。
因此本文统一采用 industry-mapper 与已重建图 9 的一致快照（-98.82 / -13.27 / -12.39 亿今日，-383.87 / -86.07 / -67.34 亿近 10 日），并标注取数时点。盘后数字可能再变，但差异来源是时点而非口径。

而估值与持仓都处在历史低位：中证金融科技主题指数 PE-TTM 36.85 倍，处近 10 年 4.88% 分位；华宝中证金融科技主题 ETF 联接 A 年初至今 -28.67%；公允价值低于 5% 分位的"低拥挤"信号同时出现。

这两组数据放在一起，得出的结论与直觉相反：

"低拥挤"在这个位置不是买入信号，而是一个陷阱指标——便宜，但没人买。

更具体地说：AI / 金融 IT 这类板块的估值锚其实是成交额，不是 AI 叙事本身。 日均成交额已经从 3.03 万亿降到 2.15 万亿，成交额分母缩水直接压缩了这类高 Beta 板块的合理估值中枢。叙事没变，分母变了。

这也是本文 3.8 节"传媒共识已在 11/6 被部分回吐"的证据：传媒是唯一 5 日净流入 +71.31 亿的方向，但今日已 -16.27 亿。当一个方向的共识只体现在 5 日窗口而当日窗口已经转负时，说明资金正在撤离而不是加码。

3.10 AI 在资金面与盘面分析上的能力差异

3.8.1 强项区：又快又好，值得重点用

能力	为什么可靠	资金面/盘面场景的具体应用
批量数据抓取与整理	检索+摘要成熟，误差主要在"抄错"而非"编错"	一次性拉取 31 个申万行业的两融余额变动、10 个板块的主力资金分项，做成统一格式
多标的同时点横向对比	并行处理能力远超人工	20 只算力链个股的市值/PE 分位/涨幅/融资余额，一次拉平
图表生成与可视化	视觉化是 LLM 的稳定强项	资金流向热力图、行业涨跌瀑布图、拥挤度散点
叙事梳理与因果链构建	逻辑组织能力极强，且能给可核验分项	“PPI 破 5 的三大力量：原油 0.5pct + 煤价 0.7pct + AI 硬件涨价”
指标换算与口径内计算	原始数字对就不会错	融资余额回撤 7383.50/30101.61 = -24.5%；PPI-CPI 剪刀差 4.1pct；期限利差 42bp
多源交叉与矛盾检测 ⭐	LLM 的比较能力被严重低估	并排三家券商对 10 月社融的预测，分歧立即显性化；把"口径不同的两个数"并排，逼出真实问题
历史样本搜集与归纳	只要不要求它判断样本适用性	找到"PPI 5 轮上行区间"完整清单、"114 个月社融脉冲领先 4 个月相关系数 0.55"这类统计

3.8.2 高危区：必须回原始数据核验

高危 1：把"净流入"当成"资金意图"

资金流向数据是最容易被过度解读的一类。“主力净流入 43 亿"这个数，说的是大单成交的净额统计，不等于"有人看好并买入”。 拆借、对冲、被动指数调仓、大宗交易、ETF 申赎，都会在这个数字里留下痕迹。更不用说分时数据的口径本身就有争议（大单/超大单的划分阈值因平台而异）。

人工必须做的核验：把资金流与成交额分位、换手率变化、筹码集中度、融资余额变动四个维度交叉看。如果净流入但换手率萎缩，那多半是承接盘变薄而不是增量入场。

高危 2：用单日数据外推趋势

11 月 5 日超 4800 股上涨、成交额连续两日破 2 万亿，11 月 6 日就低开超 5400 股下跌。用任何单一交易日的数据判断"趋势"，在这个波动水平下都是噪音。

人工必须做的核验：至少用 5 日、20 日、60 日三个窗口；把成交额放到过去 1 年的分位数里看；区分"放量"和"缩量反弹"。

高危 3：把题材轮动当成主线

11 月 5 日领涨的是光伏、传媒、房地产；11 月 6 日领涨的是固态电池、房地产、PCB。一天换三个领涨方向，这本身就是"无主线"或"主线未定"的特征，而不是"主线很强"。

真正的判别要看：板块涨幅是否有中期资金持续性、龙头是否有连板高度、催化是否已落地（而非预期）、成交占比是否持续抬升。 AI 极容易把"今天涨得最多"直接写成"主线是 X"。

高危 4：判断"情绪周期位置"

这是 AI 最没底的任务。情绪周期（冰点/修复/主升/退潮）需要成交额分位 + 连板高度 + 涨停家数 + 换手率 + 炸板率的综合判断，而且这些指标本身没有单一标准答案——AI 只会给你一个看起来合理的定位，而不会告诉你它用的是哪套标准。

AI 在这里几乎必然给你一个偏乐观或偏中性的答案，因为它会参考"市场情绪改善""信心回升"这类叙事词，而缺乏对退潮期特征（缩量上涨、高位股集体走弱、龙头断板）的敏感度。

高危 5：用新闻情绪替代真实成交与筹码结构

舆情和情绪指标可以由 NLP 从文本生成，但文本情绪与资金行为的相关性在 A 股是反复失效的。政策发布当天"情绪转暖"，实际可能是"利好出尽"。

高危 5b：盘中数据被当作全天数据（字段名的语义陷阱）

数据接口返回"成交额 10,912 亿，较昨日成交额 -3,223 亿"。字段名"较昨日成交额"强烈暗示是对比昨日全天。

❌ 错误表述：“今日成交额比昨日缩量 3,223 亿，缩量 15%”
✅ 正确表述：这是同一时钟点同比——昨日同时点约 14,135 亿，今日缩量约 23%；且今日尚未收盘，全天量能待定

AI 犯这个错的机制：数字带着"较昨日成交额"这样的字段名，人容易顺手接受字段名的暗示。验证方法：在两个时点各取一次，反推基准值——若基准随时钟推进则是同刻对比。AI 不会主动做这个二次验证。

高危 5c：用滞后的均线判断风格切换（最容易被忽视的一个）

红利指数 MA5 3297.10 / MA20 3307.46 / MA60 3301.22，三线距离不到 0.32%，完全纠缠。均线系统会在 11/5（红利 -2.19%）和 11/6（红利 +0.40%）之间来回打脸，而风格收益差的事实却是确定的：3 个月红利 +3.33% 独家正收益，1 周红利 -1.95% 垫底。

均线告诉你的是"此刻"，风格收益差告诉你的是"已经发生"。 AI 极易把前者当后者，或反过来用"最近涨得好"去论证趋势延续。

同理，创业板 MA60 3142.42 高悬现价 26.6%，任何"创业板已超跌"的 AI 断言都忽略了：估值（PE 44.89）与趋势（MA60 下方 26.6%）是同时成立的，跌幅大不等于跌够了。

高危 5d：用单日资金流判断"主线生死"

11/6 元件 -6.58%、通信设备 -5.88%、半导体 -2.52%，主力净流出 41.20 / 31.74 / 43.48 亿——看起来"算力主线彻底结束"。

但近 20 日净买入占流通股比：中际旭创 +1.23%、新易盛 +4.31%、东山精密 +6.33%，全部为正；中际旭创当日主力净流出仅 3.93 亿（看似不大），近 5 日却是 -31.46 亿。

单日资金流的大小和趋势方向经常不一致。AI 若用单日数据判断主线生死，会同时犯"把调整当崩塌"和"把崩塌当调整"两个方向的错。

陷阱九：样本窗口的边界——工具静默截断了你的样本

这个坑最难发现，因为它全程没有任何错误提示。

资金分析的首轮查询区间写的是"6/01~11/04"，但接口返回的实际样本起点是 07-03——中间被分页截断，工具没报错、表格完整、所有派生统计全部自洽。

后果：而 07-03 恰好是"融资余额 3 万亿平台"的最后一天。于是"窗口内最大值"必然落在起点附近，真实峰值（6/25，30,101.61 亿）被低估了 294 亿，峰值日期也整体后移，进而让"杠杆顶部领先指数顶部"的天数从 89 天变成 81 天。

发现它的唯一方式是跨源交叉验证——把接口样本区间和另一个独立数据源的区间起点对照，才看出不一致。

三条通用规则：

取"最值"之前，先确认样本窗口真的覆盖了你以为的区间——最值极值对样本边界最敏感；
优先用不依赖具体日期的形态判断——比如"3 万亿平台只维持 9 个交易日"就比"哪天是峰值"稳健得多；
凡涉及"峰值/谷底/最高/最低"，一律标注"峰值日期 + 样本区间起点"两个日期。

陷阱十：框架的时效性——昨天的分析框架今天可能已经失效

最危险的一种错误，是它不产生任何错误，只产生"过时的正确"。

广发证券 11/5 的《15年9月和22年5月的超跌反弹是如何展开的？》指出：2022 年 5 月那轮超跌反弹的起点是政策面密集托底。而本轮 11/2 央行、证监会、金融监管总局召集头部券商基金开会 + 三部门召集银行研究优化回购增持再贷款——"924 时刻"的政策脉冲特征极为相似。

但框架在这里已经失效了，原因有三：

本次托底工具与 2022 年不同：本轮是 SFISF（互换便利）+ 主动 ETF + 回购增持再贷款，2022 年是"密集政策表态"。“政策信号相似"不等于"传导机制相似”。
本轮有 11/5 晚间《国务院关于金融工作情况的报告》（首次把"探索 AI 在金融管理和服务领域的应用"写入国务院文件）+ 11/6 盘后证监会"机核改革"六条（回购增持再贷款、汇金"类平准基金"、便利并购重组）。在 11/2 就断言"政策见顶"，框架本身就选错了时点。
2022 年的政策脉冲被 2022 年 4 月的疫情封控打断，而本轮不存在同等级别的物理中断条件——"相似"只是形态相似，边界条件完全不同。

通用规则：每个分析框架必须带三要素——适用前提、失效条件、当前是否满足。

本条也是对 AI 最重要的提醒之一：AI 会把 2022 年的框架、2022 年的数字、2022 年的结论，用 2026 年的语气流畅地讲出来。 它不知道这个框架当年为什么成立、也不知道中间发生了足以让它失效的变化。

除了上面十条，还有一条最容易被忽略的"假精确"：

金融行业大量主流指标建立在已废止或改版的旧制度上，最典型的就是北向资金日频净流入——该口径自 2024-08-19 起已停止披露（改为季度披露 + 盘后成交总额）。

任何 AI 给出的"今日北向净流入 X 亿"，要么是幻觉，要么是 2024 年 8 月的旧数据。 而它长得和真数据一模一样。

高危 6：实时数据与"静默过期"

本次研究中，一个非常典型的静默错误值得所有人警惕：金融数据接口的"北向资金热门板块"分区，三个时间窗口的数据日期全部标注为 2024-08-16，距今超过两年。数值合法、格式正常、无任何警告。 如果不核对日期，AI 会把这组"净买入 7.41 亿国有大行"当作今天的北向动向写进报告。

同一次研究中，专业金融数据接口的 4 个核心接口（行情/K线/报价/涨跌分布）全部返回服务不可用，只有搜索、板块、资讯、热门、投资日历可用。即使是最专业的金融数据管道，接口覆盖率也不是 100%——AI 工具的"能查到"，完全取决于其数据管道此刻是否活着。

给所有使用 AI 工具的人的硬规则：任何工具返回的数据，先看时间戳，再看数值。

四、AI 本身也是一条 A 股主线：五层链条的真实定价

这一节回答一个容易被忽略的问题：AI 投研工具这条产业链，在 A 股市场里到底怎么定价？（五层链条的理论框架见 2.1 节，本节看真实定价）

在这里插入图片描述

4.1 A 股 AI 投研链标的分层：跌幅最深的也不在确定性最高的一层

在这里插入图片描述

按前面的五层框架，把 A 股相关标的分层。下表全部为 2026-11-06 收盘后实测口径（YTD = 2025-12-31 收盘 → 2026-11-06 收盘）：

层级	标的（2026 年内实测）	52 周	核心逻辑	AI 收入验证度
数据层（确定性最高）	昆仑万维 -4.82%	-9.67%	AI 创造新数据消费需求	弱：AI 收入主体是 AI 短剧与海外产品，与投研工具无因果
	恒生电子 -27.93%	-27.76%	LightGPT + 聚源 AIDB + WarrenQ	中：数据服务业务 9M 2.90 亿（+10.34%）；AI 相关签约 20 家 / 标杆 5 家均未披露金额
	当虹科技 -18.28%	-27.61%	AI 数据服务	相对可验证：AI 数据服务 0.57 亿（占比极小但 +60.64%）
	顶点软件 -21.49%	-27.03%	金融 IT（中小机构）	有盈利但 AI 未单列：Q3 单季营收 3.79 亿、归母 1.12 亿（净利率 29.5%）
	财富趋势 -33.05%	-36.14%	智能体广场 + MCP 接入多家 AI 工作台	弱：H1 营收仅 1.21 亿、归母 0.92 亿，其中投资净收益 3784 万 > 主业利润
	每日互动 -36.80%	-43.17%	AI 语料与营销服务	相对可验证：AI 语料及营销服务同比 +35.8%
算力 / 模型层	寒武纪 -10.45%	-17.99%	推理算力	无独立 AI 收入披露
	海光信息 -16.03%	-21.39%	推理算力	无独立 AI 收入披露
	科大讯飞 -23.29%	-28.04%	星火大模型	无独立 AI 收入披露（金融大模型无收入验证）
	三六零 -24.86%	-35.16%	通用模型	无独立 AI 收入披露
入口层	同花顺 -9.87%	-19.51%	问财 Agent + iFinD MCP	中：9M 归母 20.4 亿 +68.9%，合同负债 30.9 亿较年初 +74.7%
	东方财富 -18.37%	-25.86%	妙想 + Skill 广场 + Claw	弱：妙想无独立收入科目；Q3 销售费用同比 +53%
	大智慧 -34.11%	-40.62%	行情终端	无：PE(TTM) -438.99（TTM 亏损）、PB 13.37（近 5 年分位 75.37%）
	指南针 -50.85%	-52.92%	题材 / 盘口 AI 工具	无：Q3 单季营收 10.64 亿但归母仅 0.34 亿（净利率 3.2%），PE 279.15（分位 67.69%）
券商层（弹性最低）	广发证券 -10.20%	-14.73%	AI 透镜、SkillHub	效率提升明确，利润弹性有限
	华泰证券 -22.86%	-19.33%	AI 涨乐 2.0	效率提升明确，利润弹性有限

第一眼看到的事实，可能和直觉相反：16 只标的 2026 年内全部下跌。

这张表里最值得玩味的是三组对照：

其一：AI 含量最高的券商，跌得比谁都狠。 AI 涨乐 2.0 有 767 万累计用户、月活环比 +15.1%，但华泰证券年内 -22.86%。

其二：跌得最深的三个，恰恰是"AI 概念"最纯的。 指南针 -50.85%（AI 投顾题材工具）、每日互动 -36.80%（AI 语料）、大智慧 -34.11%（AI 行情终端）。AI 概念在这条链上不是"涨得凶"，而是"被抛弃得最彻底"。

其三：真正抗跌的是握有可验证收入与订单能见度的。 同花顺 -9.87%（合同负债较年初 +74.7%、问财 MAU 3875 万为证券类 App 第一）、广发证券 -10.20%、寒武纪 -10.45%。

一个必须讲清楚的口径问题：海光信息 2025 全年涨幅 +50.07%（2024-12-31 → 2025-12-31，2025 年末收盘 224.17 元），但 2026 年内是 -16.03%。

算力链真正的暴涨发生在更早的周期（通信/电子自高点 -55.52%/-48.80%，即 3.3/4.3 节所述 +354.74%/+278.93% 之后的回调）。两个口径绝不可混用——把 2025 年的涨幅当成 2026 年的表现，正是本文 3.8 节"高危 6：静默过期"警告过的那类错误。

4.2 伪受益识别：一条可以一试就灵的硬标准

问三个问题：(1) AI 相关收入是多少？(2) 占比多少？(3) 增速多少？——三个数字有两个答不上来，就别把它当 AI 标的。

按这个标准，已披露 AI 垂域签约的厂商里多数仅为意向性协议、未披露金额。能拿出可验证数字的只有少数几家，且都不是"AI 收入"这个科目：

恒生电子：可验证的是数据服务业务 9M 收入 2.90 亿元（+10.34%），来源是"聚源 2.0 订阅制 + AI 带来的数据采购需求"；而其 AI 大模型相关的经纪业务签约 20 家、财富管理 AI 标杆 5 家，均未披露合同金额；
当虹科技：AI 数据服务 0.57 亿元（占比极小但同比 +60.64%）；
每日互动：AI 语料及营销服务同比 +35.8%。

换句话说：A 股至今没有一家金融 IT 公司，把"AI 收入"做成一条可被审计的收入科目。

"AI 收入渗透率普遍低于 10%"不是某几家的缺陷，而是整个行业在 2026 年的共性事实。

估值端反而给出了相反的信号：东方财富 PE(TTM) 20.16 倍（近 5 年 3.64% 分位）、PB 2.93（13.64% 分位）；恒生电子 PE 30.35（13.47% 分位）、PB 4.06 仅 4.79% 分位；科大讯飞 PB 4.12 仅 2.15% 分位；中信证券 PE 10.70（3.06% 分位）；华泰证券 PB 0.89（破净）。

但估值低不是结论，估值低 + AI 收入无法审计才是结论：

有投入、有故事：泛"AI 金融"标签的一众中小票，PE(TTM) 普遍 80-150 倍甚至亏损（指南针 279.15、大智慧 -438.99），AI 收入占比 1%-3%，PE 与增速严重不匹配；
有收入、有验证：恒生电子 PE(TTM) 30.35 倍、处近五年 13.47% 分位，PB 4.06 仅 4.79% 分位——估值不构成约束，约束在 AI 收入尚未确认。

结论很直接：这一轮"AI 投研"行情在 A 股，更多是"泛 AI 概念 + 主题交易"，而非"AI 投研业绩兑现"。 这个判断直接影响后文的仓位建议。

一个值得单独指出的反差：恒生电子 9M 营收 32.92 亿（-5.66%）、归母 5.76 亿（+26.49%）、扣非 4.95 亿（+70.18%）；合同负债 27.89 亿；机构综合目标价 27.44 元（较最新价 21.43 元有 +28% 空间）。并且它有极强的季节性——2025 年 Q4 归母占全年 63%，2026 年一致预期归母 13.56 亿意味着 Q4 只需做到 7.80 亿（同比 +0.5%），门槛极低。

这是全链上唯一一个"AI 收入虽未单列、但订单与利润能见度清晰"的标的——它同时满足"估值分位低"和"业绩可验证"，与纯题材标的完全不同。

4.3 拥挤度警示与"最容易被 AI 误判的资产"

拥挤度硬数字（详见 3.3 节第 4 点）：

电子公募超配 36.50%，2010 年来第二高，仅比 Q2 峰值低 3.1pct——存量筹码极度拥挤；
配置权重处 98.51% 历史分位（“接近满格”）、超配 +16.6%、抱团极致已 5 个季度（通信：15.39% / +9.1% / 3 个季度）——"抱团极致 5 个季度"比任何单日资金流都更能说明风险量级；
半导体单板块半日占全 A 成交 16.4%——最硬的拥挤度数字；
但 AI 链成交额占比 MA5 分位已普遍降至 70% 以下——新增拥挤已消。

这个状态有个精确的表述：存量拥挤未解，新增拥挤已消。

⚠️ 而 AI 最可能漏掉的，恰恰是这三件套里的第三件：AI 拿到"电子配置 34.40%“会输出"机构重仓、景气度高、可以配置”；它不会告诉你"抱团极致 5 个季度"意味着什么——因为"抱团持续多久"根本不在"看多/看空"的任务框架里，也不在任何单一数据接口的字段里。同理，"拥挤度三件套"缺一不可：配置权重分位（98.51%）+ 超配比例（+16.6%）+ 抱团季度数（5 个季度），少一个，结论就会从"风险放大器"退化成"卖出信号"这种过度简化。

那么，当前哪类资产最容易让 AI 给出错误建议？答案是超跌的 AI 硬件链。 原因有三层：

AI 会线性外推"跌多了就是便宜"：通信/电子自高点 -55.52%/-48.80%，AI 会说"已回撤 55%，估值分位低，超跌反弹可期"——这三条都成立；
但它不会告诉你：① 该板块是本轮涨幅 +354.74%/+278.93% 后的第一次深度回调，趋势尚未确认破坏；② 11/6 主力资金净流出 43.54 亿，说明左侧资金还没回来；③ 触发本轮调整的是海外 AI capex 的预期重定价，这个变量 A 股无法自证；
最关键的一句：本轮调整不是"估值高所以跌"，而是"AI 资本开支的持续性被重新定价"。前者均值回归，后者需要订单来证伪。这是两类完全不同的下跌，AI 无法替你区分，但你可以用验证指标自己判断。

另一个同类陷阱：11/6 早盘主力净流入前五是铁路公路、种植业、电力——全是低波动的防御方向。AI 极易把这解读为"资金全面撤出科技，转向防御"。但真实情况是：资金在科技内部做高低切（买低位电力/种植，卖高位半导体/通信），而非撤离 A 股。

而"涨幅"与"资金流"可以完全背离——这是本节最需要点破的一层。

本轮涨幅榜前列的万得微盘股指数年内 +68.44%（成交占比从 3.80% 升至 5.28%），而申万银行年内 -4.71%（成交占比从 2.75% 降至 1.95%）。

为什么会这样？

驱动	表现	资金性质
微盘股	年内 +68.44%，成交占比 3.80% → 5.28%	主动加仓型——“科技拥挤 → 找不到替代 → 买微盘”，是溢出型资金（兴业证券定性）
银行	年内 -4.71%，成交占比 2.75% → 1.95%	持续失血型——主动减仓型资金离场

这两个方向的资金流性质完全相反：一个是找不到出口的溢出，一个是主动撤离。AI 若只看涨幅榜，会把"溢出型上涨"和"主动加仓"混为一谈；只看资金流榜，则看不出微盘股涨了 68%。

正确的表述方式是分开陈述：涨幅回答"市场在交易什么"，资金流回答"钱从哪来、到哪去"。两者都不完整，但它们不是同一件事。

五、风险诊断：AI 辅助投研的四类系统性误用

在这里插入图片描述

5.1 先讲三个真实发生过的错——它们都出自本文的写作过程

这一节是本文最有说服力的部分，因为三个案例全部发生在本文的写作过程中，由团队成员交叉审校时抓出。

案例一：口径错配——"新增贷款"可以是负 1300 亿，也可以是负 2800 亿

同一个月的新增人民币贷款，在不同口径下是四个完全不同的数字：

口径来源	10 月新增人民币贷款
广发（社融口径）	-2,606 亿
广发（另一口径）	-0.28 万亿
浙商	-2,000 亿
全口径	-1,760 亿
另一家	-1,300 亿

差 1,500 亿，方向一致但幅度差一倍。 AI 工具如果只拿到其中一条，会把这个数字当成确定的事实写进结论。

正确的处理：这不是"信用崩塌"的新信号（负值是季初冲量消退 + 按揭早偿 + 贷款被债券置换的正常结果），真正的私人需求读数是"社融扣除政府债后仅 +5.30%"。同一个问题问两个口径，答案会指向完全相反的方向。

案例二：时点错配——把 11:06 的快照当成"今日收盘"

11/6 早盘三大指数低开沪指 -2.11%、深成指 -3.72%、创业板指 -4.99%、科创 50 -5.05%，全市场超 5400 只个股下跌。

但到了午盘：沪指 -1.08%、深成指 -3.31%、创业板指 -1.64%，全市场超 4000 只个股上涨，创业板指一度翻红。

如果 AI 把开盘跌幅当成收盘跌幅写进"当前市场状态"，整段结论的方向就是错的。

根因：LLM 抓取到的是一条带时间戳的行情快照，而"当前市场状态"这个问法隐含地指向收盘。这两个时点之间隔了 4 小时和一整段反转。

案例三：变量漂移——用 10/30 的油价推演 11 月的 PPI

布伦特原油 10/30 收盘 113.40 美元（年内 +151.4%），这是取数时点。而 11/5 收盘已回落至 98.29 美元——过程是：11/4 美东（北京时间 11/5 凌晨）布伦特单日暴跌 8.67% 至 94.62 美元，民主党横扫两院后市场押注美伊缓和、地缘风险溢价被集中挤出；11/5 美东（北京时间 11/6 凌晨）霍尔木兹油轮遇袭，霍尔木兹再涨 3.88% 回到 98.29 美元。

A 股承接的是 11/4 那一跌：11/5 收盘煤炭、石油石化领跌，中国石油 -7.93%、中国海油 -6.55%、中国神华 -6.26%（另有兖矿能源 -6.08%、中煤能源 -6.59%、广汇能源 -6.84%）。

如果用 113 美元去推演 11 月 PPI，会得出"输入性通胀继续恶化"的结论——而实际方向在 11/4 美东收盘就已经反转。（注意这里的美东日期与北京时间日期错位，正是本文要提醒的同一类问题：同一个"11/5"在美股语境下指 11/5 美东时段、在 A 股语境下指 11/5 交易日，两者在时间轴上相差一整个夜晚。）

这三个案例有一个共同点：

它们都不是"AI 不会算"，而是"AI 不知道该用哪个数、该用哪个时点"。

AI 的错，几乎总是"选错了输入"，而不是"算错了公式"。 而选对输入，靠的不是更强的模型，是口径清单 + 时点纪律 + 交叉验证流程。

5.2 四类误用风险

风险一：幻觉类——事实幻觉 vs 专业型幻觉

事实幻觉是编造不存在的数据、案例、结论。这已经相对可控：有 MCP 数据接入时，Shibui Finance MCP 生产环境数据显示 Claude 接地后错误率降至 3.8%，剩余错误在查询逻辑而非数据本身；月之暗面 Kimi K3.1 Pro 在 2026 年 10 月披露幻觉率从 53% 降至 44%、事实陈述错误率从 23.35% 降至 6.85%，且已接入 Wind、东方财富、标普、财联社、财新，关键数字可回溯原始出处。

专业型幻觉更危险（中信建投的定义）：AI 没有编造数据，也没有算错指标，但它把工具返回的结果过度简化、过度确定化，甚至直接误读为研究结论。 三个典型形态：

把筛选结果当结论——“符合 5 个条件的股票有 37 只"≠"这 37 只值得买”；
把模型信号当指令——因子模型的信号是概率，不是买卖指令；
把概率信号绝对化——"历史胜率 68%“≠"下次有 68% 概率赢”。

根因：研究员形成判断时，依赖的不只是公式和参数，还包括"这个数在当前环境下是否有意义"“和历史可比吗”“模型假设是否还成立”“有没有相反证据”——这些隐性知识极难一次性编码。Polanyi 1966 年的名言在这里依然贴切：We can know more than we can tell。

风险二：溯源类——看起来可溯源，实际断链

方正证券 2026 年 6 月 9 日的研报乌龙，是本轮最值得反复讲的案例：研报称"2026 年 6 月 7 日国务院常务会议部署房地产相关工作"，并完整引用了一段政策表述。记者核查中国政府网发现：这段表述完整对应 2024 年 6 月 7 日国常会的官方内容；而 2026 年 6 月 7 日当天根本没有召开国常会（最近一次是 6 月 5 日，议题与房地产无关）。整整晚到了两年。

这个错误的性质极其特殊：内容完整、格式专业、逻辑通顺——它在形式上无可挑剔，只有时间戳是错的。而"内容完整但时间错误"与 AI 幻觉的技术特征高度吻合。

更值得警惕的是流程失效：错误信息从产生到发布，至少经过分析师撰写、团队审核、合规把关三道工序，没有一道防线拦住它。

行业由此形成的三条制度红线（南开大学田利辉）：

强制信源回溯——所有政策、数据必须标注可验证的原始出处链接；
风险分层管控——政策发布时间、核心财务数据等关键字段禁止 AI 直接输出，全部需专人人工复核；
全流程留痕——保留 AI 所有修改痕迹，可追溯至具体操作人员。

风险三：数据类——口径混用、时点错配、预测当事实

本次研究中实测到的同一指标的多个版本，可以完美说明问题：

指标	同期并存的多个数值
10 月新增人民币贷款	社融口径 -2606 亿 / -0.28 万亿 / -1300 亿 / -2000 亿（浙商）/ 全口径 -1760 亿
社融增速	总量 7.1%-7.3% vs 扣除政府债后 5.30%
10 月出口增速	4471.8 亿美元（9 月实际，美元计）/ +36.3%（美元计同比）/ +23.2%（浙商对 10 月人民币计的预测）/ +29.6%（9 月人民币计实际）

"新增贷款"可以是负 1300 亿到负 2800 亿，取决于口径和是否含非银。四个数都是"出口增速"，指向完全不同的结论。

每个数字必须标注五个要素：口径 + 币种 + 同比/环比 + 数据所属期 + 是否为预测。缺一不可。

还有一个容易被忽略的：央行自 2025 年 1 月起启用新 M1 口径（M0 + 单位活期存款 + 个人活期存款 + 非银支付机构客户备付金）。AI 若用旧口径的历史序列做趋势判断，会得出完全错误的拐点——而它不会主动去取回溯数据。

风险四：归因类——回测过拟合与信号拥挤

A 股机器学习选股的实证已经把坑写得很清楚：

未来函数：最常见的藏在标准化里——对全部数据做 scaler.fit_transform 再切训练/验证集，验证集信息已通过统计量泄漏；或用未来窗口均值回填缺失值。
幸存者偏差：股票池直接用"今天"的成分股，那些退市的、暴跌的股票根本不在历史数据里。注册制之后 A 股退市已不是小概率事件。
涨跌停与停牌：涨停时封单巨大，你按开盘价买不到；一字板成交量接近零，量比特征会出现极端值。
回测过拟合：反复看同一段验证集，指标越调越高，测试集一换就崩。López de Prado 的经典结论：从大量策略里挑回测最好的那一个，它大概率也正是过拟合最严重的那一个。
样本幻觉：三五年数据若恰好是单边行情，任何顺势策略回测都会封神。

Walk-Forward Optimization 对数百个策略的统计：回测收益样本外平均衰减 26%，发表后进一步衰减 58%，夏普比率中位数衰减 33%-44%。 一个回测年化 45% 的 Transformer 择时策略，加入完整成本模型和 Purged K-Fold 后可能腰斩。

还有一个反直觉但重要的结论：在 A 股结构化因子挖掘场景，LightGBM/XGBoost 集成大概率优于单一大模型。原因是金融时序信噪比只有约 0.05（95% 的变异是噪声），树模型的分叉逻辑天然对噪声不敏感，而神经网络的连续激活函数对微小扰动高度敏感。3 个 LightGBM 取平均 > 1 个 4 层 LSTM；LightGBM + XGBoost + 线性模型加权 > 单一 Transformer。

5.3 一个必须警惕的认知陷阱：多智能体不等于独立意见

韩国央行 2026 年 9 月做了一项直接针对这个问题的实验：把宏观经济数据和美联储褐皮书摘要喂给 LLM，让它模拟美联储的历史利率决策。

结果发现：模型存在系统性的 “按兵不动偏差”（Hold bias），错误不是随机的，而是偏向于不作为。更关键的是——让多个 agent 扮演不同角色互相辩论不但没有纠正这个偏差，在部分实验中还放大了它；把讨论从 5 轮拉到 10 轮、15 轮，也没有带来一致的准确性提升。

原因很清楚：当多个 agent 共享同一个基础模型时，它们的错误是相关的而非独立的。 辩论只会放大同一个盲区。

这直接推翻了"多智能体投研天然更可靠"的直觉。 TradingAgents 这类框架的价值不在于"多个 AI 更聪明"，而在于它保留了完整的推理审计链和可复现的流程——是工程价值，不是智能增益。

5.4 三层错误模型：越往后越自洽，也越难被发现

这是本文最重要的一张方法论图。 AI 辅助投研的错误不是随机的，而是分层的——越靠后的错误越符合常识、越内部自洽，也越难被人眼发现：

层	名称	特征	发现难度	本文案例
第 1 层	窗口层错误（数据层）	引用了过期、错位、异口径、缺边界的数据	低——数字本身可疑，容易被察觉	案例二（时点错配）、陷阱九（样本窗口截断）、陷阱九之二（把最近一次被引用的价格当成当前价格）
第 2 层	幻觉层错误（模型层）	编造不存在的数字、事件、因果	中——需要交叉验证才能发现	GPT-4o 幻觉率 32.6%、Alpha Arena 32 战 6 胜
第 3 层	框架层错误（方法论层）	数据全真、逻辑自洽，但用了已失效的框架	最高——无法用"验数据"发现	2022 年"924 反弹"框架被套用到 2026；央行 10/30 换锚后仍用旧政策框架

第 3 层为什么最危险：

因为它无法用"验数据"来发现。 每个数字都对、每一步推理都通、结论与事实不矛盾——只是那个框架的适用前提已经变了。

而这恰恰是 AI 最擅长的领域：把 2022 年的框架、2022 年的数字、2022 年的结论，用 2026 年的语气流畅地讲出来。它不知道这个框架当年为什么成立，也不知道中间发生了足以让它失效的变化。

一个刚刚发生的、极好的例子——央行 10/30 换锚：

10 月 30 日，央行正式将核心政策利率由 7 天逆回购切换至隔夜逆回购（1.25%），固定利率 + 数量招标，新锚低于原 7 天利率 15bp。这是 2026 年最重要的一次利率框架变化（潘功胜 10/19 金融街论坛）。

而 10/30 之后仅 6 天，一个大模型就已经产生了确定性的框架过期风险：2025 年 6 月的 LLM 训练语料里，央行政策利率锚仍是 7 天逆回购。AI 分析当前资金面时若仍按"7 天逆回购"框架推演，会系统性高估短端资金利率，而所有引用数字看起来都正确无误。

这就是第 3 层错误的典型形态：不是数字错了，是框架过期了。

所以本文的"四道门"必须再加一道——见下节门 5。

5.5 五道门：把 AI 关进笼子的五个检查点

红线清单是"不要做什么"，四道门是"必须做什么"。 建议把这四道门做成 AI 工具链的强制流程：

门	检查内容	不通过怎么办
门 1：来源门	每个数字是否标注了发布机构 + 发布日期 + 数据所属期 + 口径四要素？	缺任一项 → 视为未核验，不得进入结论
门 2：时点门	数据是"已发布"还是"预测"？是"收盘"还是"某时点快照"？	未发布 → 标注"预测"并核对发布日历；快照 → 不得写成收盘结论
门 3：窗口门	资金流/涨跌幅是否同时给出当日 + 5 日 + 20 日三个窗口？	只有单窗口 → 结论作废重做（半导体是活教材）
门 4：对照门	是否找出了至少一个反面证据？是否与至少一个独立来源交叉比对过？	无反面证据 → 补；单一来源 → 补
门 5：框架门 ⭐	所用的分析框架 / 政策框架 / 统计口径，在当前时点是否仍然有效？	框架已变（如央行换锚）→ 结论作废，重新推导

五道门里，最常被跳过的是门 4，而最难的是门 5。

门 4 的标准实现：“把三家券商对同一月社融的预测并排放”——这是本文最被低估的 AI 用法；
门 5 的标准实现：问一句"这个框架 / 口径是什么时候建立的？中间变过吗？"——央行 10/30 换锚就是必须问这句话的例子，而 AI 不会主动问。

5.6 绝不交给 AI 独立完成的任务（红线清单）

#	任务	为什么不能交给 AI	替代做法
1	精确宏观读数（CPI/PPI/社融/M1/M2）	数据发布前根本不存在，AI 只能"回忆"一个数，且不标注预测属性	回统计局/央行原文；查投资日历确认发布日
2	同比 vs 环比的方向判别	会把两个不同性质的信号混为一谈（本期最大失误来源）	人工确认基准期，看环比序列
3	政策原文的时点与生效日	"内容完整但时间错误"型幻觉最致命（方正证券案例）	回 pbc.gov.cn / gov.cn / stats.gov.cn 原文
4	M1 等已改口径指标的同比趋势	新旧口径不可直接比较，AI 不会主动取回溯数据	确认口径切换时点，调用可比序列
5	实时资金面解读（盘中板块资金、融资余额）	无实时管道；数据静默过期风险高	先看时间戳，再用结构化数据接口交叉验证
6	情绪周期位置判定	指标体系无唯一标准，AI 必然给出偏乐观答案	自建判定标准（成交额分位+涨停家数+连板高度+炸板率）
7	"真主线 vs 题材轮动"的判别	AI 倾向把"今天涨最多"当主线	要求 AI 列出反面证据，由人做区分
8	历史规律外推与"这次是否一样"	AI 给结论和统计，把"何时失效"留给你	强制要求输出"样本区间+失效条件+本轮结构差异"三件套
9	回测结论与策略上线	未来函数/过拟合/幸存者偏差三重陷阱	对抗验证 + Purged K-Fold + 精细成本模型作上线门控
10	仓位决策与风险承担	责任不可转移；AI 无"我不确定"默认状态	人给总仓位区间 + 触发条件 + 验证指标
11	跨市场/跨主体对比中的实体确认	Fin-RATE 显示 EC-QA 任务中实体属性幻觉达 22885 例	逐项人工核对主体标识
12	政策/事件驱动的板块映射	隐含时滞与传导方向易被抹平	人补传导时滞与先行验证指标
13	跨越不同口径做加减运算	口径不一致时，差值无意义且极难察觉	分项列示，不做合并计算；必须做差时先确认口径可比
14	"涨幅"与"资金流"混为一谈	两者由不同资金驱动，可以完全背离	涨幅看估值修复，资金流看边际增量，二者必须分别陈述
15	沿用已变更的政策框架	数据全真、逻辑自洽，只是框架过期	先核对框架建立时间与最近变更（如央行 10/30 换锚）

5.7 当前 A 股的风险诊断与仓位建议

当前环境的性质：外部冲击 + 内部去杠杆末端 + 风格极端切换三者叠加，不是单一原因。

具体看三个维度：

杠杆：融资余额 22,709.77 亿（11/5，两市口径），较 6/25 峰值 30,101.61 亿回落 -24.5%，且 10 月 31 个申万行业全部遭融资净流出。广发金工测算的中证全指融资风险指标 13.83%（近两年第三高）指向去杠杆接近尾声——这意味着继续通过杠杆资金杀跌的动能有限，但也意味着新增杠杆资金尚未入场。
拥挤度：通信、电子自高点 -55.52%/-48.80%，但本轮上涨阶段曾 +354.74%/+278.93%。这是典型的"急跌后的高波动筹码结构"——不是拥挤，但也不是筹码出清完毕。这正是 AI 极容易给出错误建议的地方：AI 会线性外推"跌了 55% 所以便宜"。
风格极端度：年内成长 -19.0%、红利 +10.2%，极端分化后，11 月 5 日的普涨（4800 股上涨）本质是高低切的反向试探，而非趋势反转确认。

仓位建议：

项目	建议
建议总仓位	40%-50%（基准情景下）。这是"AI 工具误判成本 + 外部冲击未消化 + 12 月解禁 4,955 亿"三重约束下的结果，不是"看空"，而是"等更好的证据"。
结构思路	从"AI 算力单极"转向"上游资源 + 红利 + AI 应用"三足鼎立；算力链保留底仓但降低集中度
加仓条件（需至少满足 2 项）	① 费城半导体指数 5 个交易日内收复 11/5 跌幅一半以上；② 海外云厂商上调 capex 指引；③ 融资余额重回 24000 亿上方；④ 建筑业新订单从 40.0 回到 45+；⑤ 10 月社融"扣除政府债后"止跌回升
减仓条件（触发即减）	① 美国 AI capex 指引出现数字下调（不是措辞谨慎）；② 布伦特原油站上 105 美元且持续 2 周（当前 98.29——105 美元才是与 10 月供给冲击可比的位置，若写成 130 美元则需再涨 32%，阈值形同虚设）；③ 美联储 12 月加息落地且点阵图上移；④ 中国 11 月出口同比转负；⑤ 10Y 国债跌破 1.50%（说明市场开始定价衰退）
必须回避	纯题材映射、无收入验证的"AI 概念"标的；高融资余额 + 高换手 + 无基本面支撑的三重叠加品种

当前最容易让 AI 给出错误建议的资产：超跌的 AI 硬件链。AI 会说"已回撤 55%，估值分位低，超跌反弹可期"——这三条都成立，但它不会告诉你：① 该板块是本轮涨幅 354% 后的第一次深度回调，趋势尚未确认破坏；② 11/6 主力资金净流出 43.54 亿，说明左侧资金还没回来；③ 触发本轮调整的是海外 AI capex 的预期重定价，这个变量 A 股无法自证。

必须说清楚的是：本轮调整不是"估值高所以跌"，而是"AI 资本开支的持续性被重新定价"。 前者均值回归，后者需要订单来证伪。这是两类完全不同的下跌，AI 无法替你区分，但你可以用第五节给出的验证指标自己判断。

六、人机分工 SOP：一份可以直接贴在工位上的流程

在这里插入图片描述

6.1 六步闭环

步骤	谁做	交付物	强制动作
1. 铺数据	AI 主导	结构化数据表（行情、财务、资金、宏观、公告清单）	要求标注每个数字的发布机构 + 发布日期 + 数据所属期 + 口径四要素
2. 拉清单	AI 主导	历史样本区间、统计量、事件时间线	要求给出样本区间，不让它只给结论
3. 查矛盾	AI 主导（最被低估的一步）	多源差异表：三家券商对同一指标的不同预测、不同口径的同名指标	强制并排，不允许 AI 调和成一个数
4. 核原文	人主导	核验后的数据底稿	宏观读数回统计局/央行；政策回官网原文；确认发布日历，未发布的一律标"预测"
5. 写失效条件	人主导（AI 只提供素材）	每个结论配"失效条件 + 本轮结构差异"	强制用"如果 X 则本结论作废"句式写
6. 给概率与触发	人主导	情景、概率、触发条件、可观测验证指标、仓位	概率区间 + 至少 3 个可观测指标 + 加减仓条件

6.2 一条可以立刻用的提示词模板

请基于我提供的数据做分析。硬性要求：

每个数字后面标注：来源机构 / 发布日期 / 数据所属期 / 口径（含币种、同比或环比、是否预测值）；
凡涉及政策，列出政策文号与生效日期，并指出哪些是你无法确认的；
输出"三条最可能的错误"——列出这份数据里最容易被误读的地方；
不要给结论，只给假设与需要验证的指标；
如果我给的数据不足以支撑判断，直接说"信息不足"，并列出还缺什么。

第 3 条最关键。让 AI 主动暴露它自己数据里的坑，比让 AI 给答案有价值得多。

6.3 三条使用原则

先接数据，再问问题。 数据源决定了答案上限。没有 MCP/API 接管的 AI 终端，本质上是一个会背通稿的实习生。
让 AI 做对比，不要做判断。 多源交叉、矛盾检测、口径并排——这是 AI 的确定性优势，也是最被浪费的能力。
记住 AI 没有"我不确定"。 它永远会给你一个答案。你的工作不是判断这个答案对不对，而是判断它依据的输入是否成立。

七、行动清单

#	行动	触发条件	时间窗
1	把常用数据源 MCP 化：至少接入 Wind/iFinD/东财三个源，要求每个数字可回溯到原始出处	立即	2 周内
2	建立"数据四要素"标注规范，所有进入研究稿的数字强制带来源/日期/所属期/口径	立即	本周
3	对每一个宏观结论补写"失效条件"，用"如果 X 则本结论作废"句式	立即	长期机制
4	每次研究至少做一次多源交叉：找 2-3 家机构对同一指标的预测，不允许 AI 调和成一个数	立即	每次研究
5	建立量化工具的对抗验证门控：AUC > 0.7 必须先解决分布偏移，Purged K-Fold + 精细成本模型作为上线前必检项	做量化策略前	上线前
6	总仓位控制在 40%-50%，算力链降集中度，按"上游资源 + 红利 + AI 应用"三足鼎立配置	当前	持续
7	盯 5 个验证指标：费半指数、融资余额（24000 亿阈值）、建筑业新订单 PMI（45 阈值）、10 月社融扣政府债后口径、10Y 国债（1.50% 阈值）	每周	持续
8	若触发任一减仓条件立即降仓：AI capex 数字下调、布伦特 105 美元 + 2 周、12 月加息落地、11 月出口转负、10Y 破 1.50%	触发即执行	立即
9	给每个 AI 输出追加"它可能错在哪"提问，把第 3 条写入所有提示词模板	立即	长期机制
10	拒绝任何"AI 稳赚"叙事：深圳证监局 2026 年 6 月已点名此类骗局	持续	持续
11	资金面必须看三窗口 + 看 ETF 层级结构：任何"主力净流入/流出"结论必须同时给出当日/5日/20日三个数字，并说明宽基 vs 行业 vs 单只的层级	立即	长期机制
12	盯两个额外的量化压力点：12 月解禁 4,955.42 亿（11 月的 4.25 倍）；电子公募超配 36.50% 向历史均值 13.37% 的回归进度	每周	11 月下旬起重点盯
13	AI 选股优先在"数据层"选，不在"泛 AI 概念"里选：用"AI 收入金额/占比/增速"三问过滤，答不上两个就排除	立即	长期机制
14	禁止使用任何已停更或口径不明的资金指标：北向净流入自 2024-08-19 起已无实时披露，任何"今日北向净流入 X 亿"的表述直接判定为编造	立即	长期机制

⚠️ 风险提示与关键观察指标

需要持续验证的假设

PPI 环比 11-12 月见顶是基准情景的核心前提。若油价维持 100 美元以上，环比可能维持正增长，风格轮动序列（成长→金融→周期→公用事业）将被拉长而非切换。
8000 亿政策性金融工具从资金到实物工作量的传导需 1-2 个季度。若 12 月建筑业新订单不能回到 45 以上，这条路径在 2026Q4 基本失效。
AI 资本开支是延期还是取消——这是决定算力链是"反弹"还是"趋势破坏"的唯一变量，且 A 股无法自证，只能看海外云厂商指引。
PPI 5.0% 的高基数效应会在 2027 年一季度自动压低同比读数，届时市场可能误读为"通胀问题解决了"。

可能证伪本文判断的信号

费半 5 日内收复 11/5 跌幅一半以上 → 乐观情景概率需上调，创业板指可能重回 3000 上方；
融资余额重回 24000 亿上方 → 去杠杆结束判断被证伪，内部支撑强于预期；
10 月社融"扣除政府债后"口径止跌回升 → 本文关于"私人部门仍在收缩"的核心判断被推翻；
布伦特站上 105 美元且持续 2 周 → 输入性通胀再起，总量宽松彻底无空间，悲观情景概率上调；
美国 AI capex 指引出现数字下调（而非措辞谨慎）→ 从"延期"变为"下修"，这是性质完全不同的信号；
公募电子超配比例（36.50%）开始向历史均值 13.37% 回归 → 意味着约 23pct 仓位需要腾挪，拥挤度踩踏风险从"隐患"变为"现实"；
ETF 单日净流入连续 3 个交易日低于 100 亿 → 托底资金实质退潮，"下跌保护"消失；
11 月解禁如期兑现且成交额占比未消化 → 12 月筹码供给后移的冲击提前定价；
12 月建筑业新订单 PMI 仍低于 45 → 8000 亿工具传导失效，基准情景中"周期接力"一环脱落。

关于本文方法论的自我提示

本文自身也是 AI 辅助完成的。它做了三件事：（1）用 AI 做多源检索与并排对比；（2）用 AI 做图表绘制与归纳；（3）由人决定哪条结论需要失效条件、哪条数据需要回原文核验、概率给多少、仓位定多少。

两个具体的例子，说明这套分工不是口号：

一次"静默错误"的拦截：数据接口返回的"北向资金热门板块"数值格式完全正常、有涨跌幅有金额，但日期停留在 2024-08-16（812 天前）。是逐条核对时间戳发现的——AI 不会主动提醒你"这个数过期了"。
一次"自相矛盾"的拦截：半导体的主力资金，当日 -43.54 亿、5 日 +118.46 亿、20 日 -250.10 亿。如果只让 AI 看当日，它会说"资金大幅流出"；如果只看 5 日，它会说"资金大幅流入"。 把三个窗口并排放，才看见真相是"分歧"。

这两个动作——核对时间戳、并排多窗口——都不需要更强的模型，只需要流程。

而且本文自己也被这套流程审了一遍：团队的风险诊断师在终稿前抓出了三处硬伤——布伦特油价用了 10/30 的 113.40 美元（11/5 已回落至 98.29）、11/6 的盘面数字是低开而非收盘、两融峰值口径混用。这三处如果留着，读者当场就能证伪全文。

如果你发现本文里某个数字有疑问，请按第五节的规则去核——那正是本文想传达的方法。

📚 数据来源与

数据来源

AI 工具能力评测与文献

ACM Digital Library《Can AI Read Like a Financial Analyst? A Financial Touchstone for Frontier Language Models》(Financial Touchstone 基准，2,878 组问答 / 480 份年报)
圣加仑大学（HSG）新闻稿：Financial Touchstone 研究结果
FinRetrieval 基准（经中信建投证券《模型之上、能力之下：AI 投研还缺什么》2026-05-27 引用）
Fin-RATE 基准：17 个 LLM 在 SEC 文件上的多任务评测（实体幻觉 22,885 例、趋势幻觉 8.43%、时间错配 5.03%）
旧金山联储工作论文《ChatMacro: Evaluating Inflation Forecasts of Generative AI》(wp2026-04)
FinanceBench（Patronus AI）：GPT-4 有上下文 79% / 无上下文 9%
Nof1「Alpha Arena」实盘交易竞赛（经 Bloomberg 报道，2026-05）
中信建投证券《模型之上、能力之下：AI 投研还缺什么》，姚紫薇，2026-05-27
Stanford HAI《2026 年人工智能指数报告》（经中信建投引用）
韩国央行统计研究团队：LLM 利率决策模拟实验，2026-09（TrustNLP 2026 论文《The Conservative AI: Diagnosing Hold Bias and Reliability Limits in Persona-Based Monetary Policy Simulation》）
经济参考报/中国经济网/新浪财经：方正证券研报"时空穿越"事件，2026-06
18 模型 108 次财报统计测试（测试成本与准确率数据）
A 股机器学习选股实证：Walk-Forward Optimization 样本外衰减研究、López de Prado 回测过拟合概率论文

行业与监管

中国证券业协会《智汇证券·共创未来》证券行业人工智能应用案例集（34 篇），2026-10-30
《中国证券业发展报告 2025》：2024 年证券业信息技术投入 410.88 亿元
中国人民银行原副行长李东荣《智能金融的"智"与"治"》，2026 金融街论坛
农业银行董事长谷澍：模型黑箱、幻觉、自主决策三重风险，2026 陆家嘴论坛
证监会吴清：适时发布规范发展资本市场人工智能的指导意见，2026-06-17 陆家嘴论坛

市场与宏观数据

国家统计局：2026 年 9 月 CPI/PPI、前三季度 GDP/工业/投资/销售、1-9 月房地产数据、10 月 PMI、10 月生产资料价格
中国人民银行：9 月金融数据、10 月 LPR、外汇存款准备金率调整（11/15 生效）、隔夜逆回购操作
海关总署：前三季度进出口及 AI 相关出口数据（IC +99.1% 等）
国务院/中国政府网：10 月重要政策清单、8000 亿新型政策性金融工具投放完成
财联社/新浪财经/国际金融报/金十数据：2026-11-05/06 市场数据
中航证券、广发证券策略、浙商宏观、广发银行团队、华创证券、中信证券、克而瑞、中指研究院、金圆统一证券
交易所两融市场统计（130 个交易日口径，2026-05-06~11-04）、Wind ETF 申赎与规模统计、Wind 板块资金流向
华安证券金工《主动权益基金 26Q3 重仓配置》（电子 36.50% 超配）、国海证券成交额占比 MA5 分位数
证券之星 / 券商中国 / 21 世纪经济报道：ETF 22 日连续净流入 5,559 亿、主动 ETF 募集 360 亿
国泰海通研报：Agent 渗透推动金融科技产业升级；度小满轩辕 4.5 金融增强大模型（核心金融场景较通用模型提升 30%、成本仅其 10%）
深圳证监局 2026 年 6 月风险提示（点名"AI 量化稳赚"类骗局）
财联社 / 新浪财经 / 界面新闻：2026-11-02 金融科技板块因政策脉冲单日暴涨 8.79%（农历"9.24"效应）、估值回落至近五年 9% 分位
《国务院关于金融工作情况的报告》（2026-11-03 十四届全国人大常委会第二十五次会议听取，11-05 公布，含"支持中央汇金公司发挥类平准基金作用"“探索人工智能在金融管理和服务领域的应用，防范模型应用风险”）定调"维护资本市场稳定"；证监会"机核改革"六条（2026-11-06 盘后，含回购增持再贷款、中央汇金"类平准基金"、便利并购重组等）
新华社：2026-11-05 国际油价（布伦特收 98.29 美元、+3.88%；WTI 收 90.52 美元、+2.72%），用于校正 10/30 的 113.40 美元时点
东吴证券：2026 年 11 月权益综合信号 -2、万得全 A 风险度 -1.17（2.7% 分位）、创业板指/科创 50 风险度分位约 1.5%/1.8%
财联社《焦点复盘》：11/2 涨停 125 家/炸板 28 家/封板率 82%、连板晋级率 55.56%；11/4 涨停 118 家/炸板 33 家/封板率 78%、连板晋级率 40%、市场连板高度降至 3 连板；11/5 涨停 84 家/炸板 48 家/封板率 64%、连板晋级率 33%
国家能源局：2026Q3 新增光伏装机约 38.76GW（同比 +38%）；前三季度储能电池出口 103.2GWh（+45.9%）
中证金融科技主题指数 PE-TTM 36.85 倍（近 10 年 4.88% 分位）；中证全指证券公司指数 PB(LF) 1.1 倍（近 10 年 0.78% 分位）

⚠️ 以上内容基于公开信息整理生成，仅供参考，不构成任何投资建议或个股推荐。投资有风险，决策需谨慎。

本文所有数据均标注来源与所属期。凡 2026 年 11 月 9 日/10 日发布的数据（10 月 CPI/PPI/社融/M1/M2/进出口），在文中出现时均为预测值，非事实值，请以官方原文为准。