AI 时代的理财：大模型能帮你选基、炒股吗

上一章讲了智能投顾如何用算法帮普通人自动打理钱。但2023年以来，一个更猛的浪头打过来——ChatGPT 引发全球 AI 热潮，金融行业也被彻底搅动了。现在打开各大炒股软件和基金 App，"AI 选股""大模型诊断""智能问答"的入口随处可见。这些功能到底能帮到你什么？真实能力在哪里，边界又在哪里？本章逐一拆解。

2023年以来的 AI 浪潮：金融领域发生了什么

2023年之前，金融领域的"AI"主要指规则式的推荐引擎和统计模型——自动筛选基金、生成风险评分之类。2023年 ChatGPT 大爆发之后，情况发生了质变。大语言模型（Large Language Model，LLM）的核心能力——理解和生成自然语言——恰好对应了金融信息处理最耗人力的部分：读研报、看公告、梳理新闻。

于是，从2023年到2025年，中国主要金融科技和券商平台都上线了自研或接入商业大模型的金融 AI 产品。大致的能力方向有这几类：

从用户视角来说，这些工具大致做了两件事：一是提升信息处理效率（过去读研报要一两小时，AI 几十秒给个摘要）；二是降低使用门槛（不懂代码也能用自然语言查数据）。但它们能不能替代你做投资决策，是另一回事——本章后半段细讲。

同花顺：问财与 HithinkGPT

同花顺是国内市场占有率最高的个人炒股软件之一（详见第17章实战篇）。它的 AI 理财功能主要集中在问财（i问财）这个入口。

自然语言选股

问财最受个人投资者关注的功能，是自然语言选股。你可以用普通话描述你想要的股票条件，系统自动把它转化成量化筛选语言，给你列出符合条件的候选股票。

举个例子，你输入：

"近一个月涨幅超20%，同时市盈率（PE）低于30倍的科技类股票"

问财会把这段话拆解成：涨幅(近一个月) > 20% AND PE < 30 AND 所属行业 = 科技，然后在全 A 股数据库里筛选，返回结果清单。

这个功能对没有编程能力的散户来说确实降低了门槛——以前要会写选股公式，现在说人话就行。

但请注意一个关键点：问财给出的是"候选清单"，不是"荐股名单"。它只是在做数据库查询，告诉你"满足这些条件的股票有这些"，并没有在告诉你"这些股票应该买"。最终是买还是不买，要靠你自己判断。

智能诊股与基金诊断

输入股票代码，问财会给出对这只股票基本面、技术面的综合 AI 诊断报告——包括估值分析、业绩趋势、技术形态等。基金方面，问财也支持对公募基金进行评价和对比。

HithinkGPT 与深度思考

支撑问财的背后大模型是同花顺自研的 HithinkGPT（同花顺金融大模型）。近期版本新增了"深度思考"功能，整合市场热点、政策信息，输出更结构化的投资分析。

截至2025年4月，问财高级版（268元/季）和专业版（518元/季）预约用户已超36万人（来源：CSDN，2025年）。这说明有相当数量的个人投资者愿意为这类工具付费。

东方财富：妙想大模型

妙想（Miaoxiang） 是东方财富自主研发的金融行业多模态大模型，是国内首批通过网信办备案的金融大模型之一，在机构和个人用户中都有一定影响力。

从内测到全面开放的历程

• 2023年四季度：内部上线；
• 2024年1月：进入内测，聚焦投研场景；
• 2024年6月：赋能旗下 Choice 金融数据终端（机构端）；
• 2024年11月：推出"妙想投研助理"，覆盖投研工作流全流程；
• 2025年3月：正式向所有用户开放，全面登陆东方财富 APP。（来源：新浪财经，2025年3月）

主要功能

截至2025年，妙想的主要功能模块包括：

• 智能问答：多信源分析、深度搜索，回答投资相关问题；
• 研报工具：研报摘要、研报问答、文档翻译、会议纪要自动生成；
• 选股与诊股：从热点追踪到具体标的诊断的全流程；
• 金融超脑数据库：提供可追溯的信源，优先采用 EDB 数据库、公司公告、权威网站数据。

妙想的一个核心竞争力，是依托东方财富旗下 Choice 金融数据终端多年积累的独家金融数据。数据底座比较扎实，减少了 AI 乱编数字的概率（但无法完全消除，后面讲）。

天天基金"小天"：AI 基金诊断助手

天天基金是东方财富旗下的基金代销平台（详见第16章），其 App 内的 AI 功能以"小天"为代表，主要做基金诊断：

• 分析用户当前持仓的结构（股票型 / 债券型 / 货币型占比是否合理）；
• 检测持仓集中度（是否押注单一基金太重）；
• 给出再平衡建议；
• 问答式解答基金相关问题。

对于没有系统研究过基金的用户来说，小天提供的持仓"体检"有一定参考价值——它能快速指出"你的仓位里70%是同一类行业基金，风险集中"这类明显问题。

其他值得关注的平台

注意：各平台功能迭代很快，上述描述以2025年调研情况为基准，实际使用时以各 App 内显示为准。

机器学习在量化投资中的角色

前面说的都是面向个人用户的工具。AI 在机构量化投资领域的渗透，其实更深，而且和普通人理解的"AI 帮你选股"完全不是一回事。

因子挖掘：让机器自己找规律

传统量化因子（价值、动量、质量等，第10章详细讲过）是人工设计的，依靠统计方法验证其有效性。而机器学习，尤其是深度学习，可以从海量历史行情数据和基本面数据中自动提炼非线性因子——那些人眼看不出来的复杂规律组合。

举个直觉例子：传统因子可能说"PE 低的公司未来一年会涨"，而 AI 挖掘的因子可能是"当 PE 低于15倍、同时近30日内机构净买入连续增加、且所在行业过去12个月没有出现重大政策变化时，股价上涨概率提升"——这种组合条件是人工设计很难想到的。

这些 AI 因子在某些时期的预测精度优于传统统计因子，但同样面临过拟合（第11章讲的老问题）：参数太多、拟合能力太强，容易"记住历史"而不是"学到规律"，在训练集外的真实市场里表现大打折扣。

值得注意的是：机器学习因子在 A 股的应用，还面临一个额外挑战——A 股数据历史短（1990年至今约35年），真正高质量的因子数据覆盖更短，机器可学习的样本有限，过拟合风险比数据更丰富的美股更高。

舆情分析：情绪也是因子

自然语言处理（NLP）技术让机器能够"读懂"新闻、财报公告、社交媒体上的帖子，并评估其情绪倾向（正面 / 负面 / 中性）。把这种情绪信号构建成量化因子，叫做"舆情因子"。

有研究发现，财报发布前后的新闻情绪、分析师报告的措辞调整，对短期股价走势有一定预测力。机构量化私募已将此类 NLP 情绪信号纳入多因子模型中使用。

但有几点需要理解清楚：

• 衰减快：当更多机构用同样的舆情信号，阿尔法会迅速被套利掉，因子的预测力也就消失了；
• 容量小：舆情因子驱动的策略通常只适合小资金，几十亿以上的大资金想用，会因为仓位太大导致市场冲击，反而把信号价值消耗掉；
• 对个人投资者的直接意义有限：这类工具目前主要是机构私募在用，个人用不上，也没必要"膜拜"看似高深的舆情模型。

AI Agent：7×24 全天候信息监控

头部券商已在内部使用 AI Agent（自主智能体）系统，实现 7×24 小时监控全球数千家上市公司动态，将信息整理时间从"数天"压缩至"分钟级"（来源：腾讯研究院，2025年）。这类系统目前以机构为主要受益方，对个人投资者的实际意义更多在于：信息不对称正在加速——机构获取和处理信息的速度与质量越来越高于个人。

这并不是说个人投资者没有出路，但这确实意味着，试图通过技术分析或短期消息博弈来跑赢机构，难度越来越大。普通人的比较优势，反而在于：不需要追短期热点、可以拉长投资周期、情绪扰动更小（如果能保持纪律的话）。

智能盯盘预警：AI 帮你"看着"市场

个人投资者有一个现实困境：不可能每分钟盯着行情。但如果某只持仓股票突然暴跌、某只基金净值出现大幅偏离、某个重仓行业传出重大政策消息——你希望能第一时间知道。

智能盯盘预警就是解决这个需求的：根据你自定义的条件（或者系统根据你的持仓自动生成的预警规则），一旦触发就推送通知。

目前主流 App 的盯盘预警功能大致可以分三类：

价格/涨跌幅预警：设定某只股票或基金的价格阈值，涨到或跌到某个位置就提醒你。这类功能相对基础，各大 App 普遍具备。

异动预警：AI 系统检测到某只持仓标的的成交量、换手率、资金流向等指标出现异常变化（比如突然放量下跌），主动推送提醒，而不需要你预先设定价格线。这类功能更智能，能发现你不一定预料到的情况。

基本面 / 政策预警：针对你持仓标的相关的重要公告（如业绩预警、高管减持、股权质押）、行业政策变化，AI 系统自动推送解读摘要。这背后依赖了前面说的 NLP 能力——机器读懂了公告的含义，而不只是通知你"有公告"。

AI 选基、选股：能信多少？

现在回到最核心的问题：这些 AI 工具，在帮你"选基、炒股"上，到底靠谱吗？

AI 的真实优势

信息处理速度：一份30页的研报，人读需要1小时，AI 摘要几十秒。对于信息获取效率来说，这是货真价实的提升。

减少纯粹的信息获取门槛：以前筛股票要会写选股公式，现在说人话就能查，这对没有编程基础的人是实实在在的帮助。

发现明显异常：AI 基金诊断能快速发现持仓集中度过高、长期收益偏差过大这类"明显问题"，比人工逐一对比要快。

AI 的真实局限

"一本正经地胡说"（幻觉问题）：大模型有一个著名的问题叫 Hallucination（幻觉）——它有时会用非常自信的语气，说出完全错误的内容。金融数据的准确性要求极高，一个错误的 PE 值、一个错误的财报数字，可能影响你的判断。AI 给的数字和结论，务必交叉核实，不能直接拿来用。

历史数据训练，未来不确定：AI 的"知识"来自历史。它无法预见突发政策变化、地缘政治冲击、行业监管重锤——而这些往往才是让股价大幅波动的真正原因。

过拟合风险依然存在：AI 量化因子的过拟合问题比传统因子更严重，因为参数更多、拟合能力更强，也更容易"记住历史"而不是"学到规律"。第11章讲的回测陷阱，在 AI 因子这里同样适用，甚至风险更大。

AI 推荐 ≠ 承诺收益：某个 AI 工具给出"建议关注"或"看好"某只股票或基金，是基于历史数据和模型参数的概率性判断，不是对未来收益的承诺。这一点很重要，不要被"AI 认为"四个字赋予过多权威。

本章小结

• 2023年以来，大语言模型在金融领域的主要落地方向包括：AI 投研助手（研报摘要/问答）、自然语言选股（问财 / HithinkGPT）、基金诊断（小天等）、舆情因子构建、智能盯盘预警。
• 同花顺问财依托 HithinkGPT，提供自然语言选股、智能诊股等功能；东方财富妙想2025年3月全面开放，侧重投研分析；天天基金小天提供基金持仓诊断。
• 机器学习在量化投资中已深度渗透，主要体现在非线性因子挖掘、舆情分析和全天候信息监控，目前机构是主要受益方。
• AI 的真实优势在于信息处理速度和降低使用门槛；真实局限在于幻觉（一本正经胡说）、过拟合、无法预测非量化突发事件。
• AI 给出的选股 / 选基结果是概率性参考，不是确定性承诺，最终决策仍需自己独立判断。

划重点