>> 華泰證券-利率周報(bào)：“固收投委會(huì)”AI Agent實(shí)踐-260705
| 上傳日期： |
2026/7/5 |
大?。?/td>
| 3849KB |
| 格式： |
pdf 共21頁(yè) |
來(lái)源： |
華泰證券 |
| 評(píng)級(jí)： |
-- |
作者： |
張繼強(qiáng),仇文竹,吳宇航 |
| 下載權(quán)限： |
此報(bào)告為加密報(bào)告 |
|
|
核心結(jié)論
近兩周債市持續(xù)圍繞資金面與貨幣政策交易。當(dāng)前內(nèi)需待提振是客觀事實(shí)，新經(jīng)濟(jì)對(duì)舊經(jīng)濟(jì)傳導(dǎo)不足甚至有擠出效應(yīng)，銀行息差和匯率整體平穩(wěn)，央行實(shí)際取向仍是穩(wěn)中偏松，未來(lái)兩周資金有望轉(zhuǎn)向平穩(wěn)略偏松。賠率仍是債市的核心制約，但較之前略有改善。十年國(guó)債短期仍在1.7-1.75%之間波動(dòng)，向上調(diào)整空間同樣不足。操作上繼續(xù)攻守兼?zhèn)洹?年以內(nèi)利率債價(jià)值有限。長(zhǎng)端核心看賠率，如果10年國(guó)債接近1.80%、30-10年利差走擴(kuò)至50BP以上，博弈價(jià)值將提升。3-5年高等級(jí)信用債仍可挖掘票息與騎乘機(jī)會(huì)。存單賠率尚可，跨季后可能有下行空間，但需警惕區(qū)域分化。
固收投委會(huì)AIAgent架構(gòu)：多層角色體系與多輪辯論流程
我們嘗試用AI智能體構(gòu)建一個(gè)類似“投委會(huì)”的多角色研討框架，我們?cè)诒鞠到y(tǒng)中設(shè)立13個(gè)角色，包括宏觀、政策、機(jī)構(gòu)行為觀察員、PM（5個(gè)）、風(fēng)控與交易員（2個(gè)）、投行與監(jiān)管觀察員（2個(gè)）、投資總監(jiān)。會(huì)議流程為：數(shù)據(jù)收集→宏觀與政策陳述→機(jī)構(gòu)行為分析→風(fēng)控質(zhì)詢→五PM三輪辯論→投行/監(jiān)管補(bǔ)充（按需）→投資總監(jiān)綜合判斷（不投票、最終責(zé)任人）。其中，各角色的發(fā)言受華泰固收研究框架體系約束。投委會(huì)系統(tǒng)有兩種運(yùn)行模式：一是純文本模式，適用于日常跟蹤與快速判斷。二是子Agent模式：適用于季度策略配置、重大倉(cāng)位調(diào)整或有明確對(duì)立觀點(diǎn)需裁決的場(chǎng)景。
案例展示：三季度債券策略討論
我們以一個(gè)實(shí)際案例展示其效果，在數(shù)據(jù)收集與基礎(chǔ)陳述階段，宏觀和政策均支持利率低位，但機(jī)構(gòu)觀察員提示了“配置盤在等調(diào)整”。隨后是五個(gè)PM的三輪辯論，質(zhì)詢是此階段比較有價(jià)值的部分。一方面，質(zhì)詢對(duì)AI本身的邏輯進(jìn)行了修正，并導(dǎo)致PM出現(xiàn)了觀點(diǎn)修改。另一方面，PM辯論會(huì)提到不少“尖銳問(wèn)題”從而啟發(fā)我們的思考。為提升辯論質(zhì)量，我們會(huì)要求質(zhì)詢要針對(duì)對(duì)方的假設(shè)前提和底層邏輯，不能限于表面化的“辯論”。辯論結(jié)束后，投資總監(jiān)自動(dòng)針對(duì)“等不到調(diào)整怎么辦”的問(wèn)題進(jìn)行深挖，得出了“認(rèn)錯(cuò)”的時(shí)間判斷和情景判斷，進(jìn)一步夯實(shí)了結(jié)論的可行性。
相比AI直出結(jié)果，本系統(tǒng)有幾點(diǎn)優(yōu)勢(shì)
第一，輸出的是過(guò)程+結(jié)論，這使得決策可被審計(jì)、可被追責(zé)、可被新人學(xué)習(xí)。第二，子Agent模式讓每個(gè)角色在獨(dú)立上下文中運(yùn)行，每個(gè)PM都被強(qiáng)制獨(dú)立形成判斷，避免單一上下文中的累積。第三，辯論過(guò)程有助于啟發(fā)人的思考。尤其是互相質(zhì)詢的尖銳問(wèn)題、裂縫深挖的歸因，不乏高質(zhì)量的研究討論。第四，人為調(diào)整空間更大。工作流設(shè)計(jì)一個(gè)用戶控制點(diǎn)：繼續(xù)/停止/深入此節(jié)/跳過(guò)本輪/引入新角色，等待用戶輸入后才能進(jìn)入下一輪，這使得AI的思考不會(huì)過(guò)多也不會(huì)過(guò)少。
不足之處與改進(jìn)方向
第一是辯論質(zhì)量受制于數(shù)據(jù)精度。債基實(shí)時(shí)久期、理財(cái)周度規(guī)模、分機(jī)構(gòu)日頻二級(jí)數(shù)據(jù)等高頻指標(biāo)目前不能通過(guò)MCP調(diào)取。第二是資源消耗和上下文問(wèn)題。子Agent模式可以把token分塊，上下文超限的風(fēng)險(xiǎn)本身不高。但后續(xù)階段有一定風(fēng)險(xiǎn)。第三是模擬痕跡不可完全消除。第四是存在部分幻覺(jué)問(wèn)題。改進(jìn)方向上，外部知識(shí)庫(kù)深度對(duì)接是首要環(huán)節(jié)。上下文問(wèn)題，一方面可以選擇上下文窗口能力更高的模型，另一方面可以設(shè)置強(qiáng)制分段。幻覺(jué)問(wèn)題需要建立更復(fù)雜的事實(shí)核查機(jī)制，但就當(dāng)前投委會(huì)的主要功能（啟發(fā)思考，展示邏輯）而言，這一問(wèn)題并不是致命性的。同時(shí)可以設(shè)置優(yōu)化迭代機(jī)制。
風(fēng)險(xiǎn)提示：央行態(tài)度與資金面轉(zhuǎn)向超預(yù)期，大模型幻覺(jué)問(wèn)題、上下文窗口壓縮導(dǎo)致邏輯缺失
|
|
