近日，一则关于券商研究报告出现“时间穿越”的新闻，引发行业关注——方正证券分析师竟将某2024年重要会议的表述，误标为“2026年6月7日”。
对于研报出错原因，业内众说纷纭，不少人都将矛头指向了AI。有观点认为，类似“内容完整但时间错误”的失误，与AI大模型“幻觉”特征高度吻合。
尽管究竟是AI之过，还是人工之失，尚无定论。但这场风波如同一面镜子，照出了AI技术在金融投研领域深度应用后，所潜藏的风险与系统性挑战。
“内容完整但时间错误”
在方正证券6月9日发布的房地产行业周报中，分析师将一重要会议对“房地产业发展”的表述标注为来自“2026年6月7日”。而根据权威记载，该表述实际出自2024年6月7日。
针对这一研报错误，有市场观点认为，这种“内容完整但时间错误”的模式，与AI大模型“幻觉”特征高度吻合，可能是分析师在用AI抓取互联网公开信息时未经严格复核。但也有从业者认为，人工复制粘贴往年内容时漏改日期，同样可能导致类似错误。
尽管当前无法判定错误源头究竟是什么，但多位业内人士表示，这一差错折射出当前投研工作流程中的两重隐患：一是部分从业者对AI输出结果缺乏审慎态度，二是研报复核机制存在失效风险。
AI幻觉频发
在实际投研工作中，AI幻觉的表现远不止日期标注错误这么简单。
某券商权益投研负责人告诉记者，AI幻觉在投研工作中常见的情况包括：一是形式规范但缺乏依据，表现为政策名称、数据来源、引用链接看似完备，回到原始数据库核验时却发现出处并不真实；二是新旧信息混杂导致时间线错乱，旧版政策被拼接为最新动态，历史口径被套用于当前环境；三是表面逻辑通顺但证据链断裂，即为了构建完整叙事，中间环节缺乏真实数据支撑。
一位私募量化投研人士也有类似观察。他发现，实习生在使用AI做项目时，往往进展特别顺利，短时间内即可产出初步结果，但这种流畅性本身暗含风险。AI为保证其输出结论能够“跑通”，会自行预设大量参数，最终呈现一个看似完整实则不够稳健的分析框架。
此外，某券商金工团队负责人在AI投研实践中还发现：AI在执行数据采集任务时，可能绕过已配置好的高质量内部数据接口，转而从公开网页抓取低质量数据。“这种路径选择的错误，比单纯编造更难被察觉。”他表示。
技术局限+主观引导
AI为何会在投研领域频繁“犯错”？受访者从技术原理和投研流程两个维度进行了分析。
受访者认为，从技术原理看，大语言模型本质上是基于上下文预测最可能出现内容的概率，其设计目标是生成语义连贯的文本，而非进行事实审计。这意味着，当模型遭遇知识空白或信息过期时，不会直接回答“不知道”，而是以概率最优的方式进行内容“填空”。
因此，为了生成连贯的文本，AI会在证据不足时，将相似但不等同的概念强行连接，将可能性表达为确定性。从这点看，AI幻觉是当前大模型生成范式下一种结构性伴生风险。
然而，技术局限只是一部分。投研工作流程中的主观因素，往往成为放大幻觉的“催化剂”。
前述券商权益投研负责人表示，投研工作天然带有假设驱动特征，分析师通常从一个初步判断出发，AI可能顺着提问者的预设方向生成支撑性材料，而非中立地进行事实核查。“两者之间容易形成‘回音壁’效应，反而强化了对错误结论的信心。”他说。
如何重塑信任？
面对AI幻觉带来的挑战，如何在效率与风控之间找到平衡？受访者从技术管控、人机协作和制度建设三个维度给出了应对路径。
在数据源管控层面，一位券商合规人士建议，优先接入经过验证的金融数据库和交易所披露信息等权威来源，严格把控数据时效性，同时建立检索增强生成（RAG）系统以约束模型的自由编造空间。
在人机协作层面，前述金工团队负责人介绍了一套分层管理框架：对于日报信息抓取、公告摘要等格式化程度高、容错空间大的任务，可交由AI自动完成并辅以流程检查；对于行业比较、观点汇总、数据清洗等中间环节，采取“AI执行+人工补充验证”的半自动模式；而对于正式发布研究结论、对外发送邮件、真实下单等高风险操作，AI仅能作为辅助参考，人工必须全程把关。
在合规制度层面，前述券商合规人士建议，研究员须对关键数据和预测结论逐项核验，对估值模型、盈利预测等关键内容实行多人复核制度，同时在工作流程中保留AI生成痕迹，实现数据来源和结论的全链路可追溯。
对于是否应在研报中标注AI参与情况，该合规人士认为“可以披露，但不宜机械标注”。他解释说，披露有助于保障投资者知情权，但更合理的做法是在研报风险揭示部分统一说明AI辅助工具的使用情况，同时明确署名分析师对研报内容和观点承担最终责任。
“在现行框架下，AI仅能定位为生产工具，署名分析师和所在机构仍需承担最终责任。”上述合规人士说。
作者：刘禹希 费天元
责任编辑：刘万里 SF014
