搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 金融工程研究：规模因子十年回测：小市值溢价的检验与策略构建 - 源达信息 ｜ 发现报告
本文以对数市值（ln市值）作为规模因子，构建了基于总市值的规模因子并结合盈利质量与估值约束，形成多因子选股策略。规模因子在中小盘中表现为负向选股能力，小市值股票长期优于大市值，但在行业和市场阶段差异明显：在银行、非银金融等行业和大市值组中，因子信号转为正向或弱性下降，需结合其它条件使用。通过筛选流程剔除ST、亏损及高市净率标的，且在每年4月和10月调仓，按规模因子排序选取前5只等权重持有，构建了多因子组合以提升稳健性。实证回测显示，2014-2026年间，该组合实现708.5%的总回报、18.38%的年化收益率，超越沪深300指数约598.14%的超额收益；近似结论在不同市值分组与行业层面均得到印证，且因子的有效性随市场风格轮动而变化。总体而言，规模因子具备对小市值溢价的解释力，但需配合盈利质量与估值约束以提升策略的稳定性与安全边际。
🏷️ #规模因子 #小市值 #盈利质量 #估值 #多因子
🔗 原文链接
📰 金融工程研究：规模因子十年回测：小市值溢价的检验与策略构建 - 源达信息 ｜ 发现报告
本文以对数市值（ln市值）作为规模因子，构建了基于总市值的规模因子并结合盈利质量与估值约束，形成多因子选股策略。规模因子在中小盘中表现为负向选股能力，小市值股票长期优于大市值，但在行业和市场阶段差异明显：在银行、非银金融等行业和大市值组中，因子信号转为正向或弱性下降，需结合其它条件使用。通过筛选流程剔除ST、亏损及高市净率标的，且在每年4月和10月调仓，按规模因子排序选取前5只等权重持有，构建了多因子组合以提升稳健性。实证回测显示，2014-2026年间，该组合实现708.5%的总回报、18.38%的年化收益率，超越沪深300指数约598.14%的超额收益；近似结论在不同市值分组与行业层面均得到印证，且因子的有效性随市场风格轮动而变化。总体而言，规模因子具备对小市值溢价的解释力，但需配合盈利质量与估值约束以提升策略的稳定性与安全边际。
🏷️ #规模因子 #小市值 #盈利质量 #估值 #多因子
🔗 原文链接
📰 首发| PandaAI连续完成三轮融资，99后创始人带队
PandaAI是一家专注于AI交易基础设施的初创公司，已完成种子、天使和天使+轮三轮融资，累计金额数千万元，主要用于大模型、QuantSkills、多智能体协作基础设施以及交易Agent开发环境的持续研发，推动OS、EVO和A2A技术体系建设，并扩展全球用户市场。创始人李昱琦为哥伦比亚大学金融工程背景，曾管理超10亿元量化私募，并创立量化财经科普IP“量化李不白”。公司定位在AI时代的新Trading Infrastructure，目标是把交易研究链路从产生、数据调用、因子挖掘、策略构建、回测验证、风险评估、交易执行等环节，组织成一个可视化、可自然语言交互的AI工作流。PandaAI已推出面向AI交易的A2A多智能体产品PandaAI EVO，通过数据处理、因子研究、策略生成、回测分析、风险评估和交易执行等任务的协同来完成研究，实现思维能力的自进化。当前用户超过10万，覆盖个人、专业团队和金融机构，形成OS、EVO、QUBE等核心产品，并由QuantSkills提供统一专业能力支持。未来愿景是在成本下降的情况下，将交易能力从少数机构的封闭能力转化为可调用、可组合、可持续进化的基础能力，打造承载“intelligence”的AI Trading OS基础设施。
🏷️ #AI交易 #量化投资 #多智能体 #AI工作流 #金融科技
🔗 原文链接
📰 首发| PandaAI连续完成三轮融资，99后创始人带队
PandaAI是一家专注于AI交易基础设施的初创公司，已完成种子、天使和天使+轮三轮融资，累计金额数千万元，主要用于大模型、QuantSkills、多智能体协作基础设施以及交易Agent开发环境的持续研发，推动OS、EVO和A2A技术体系建设，并扩展全球用户市场。创始人李昱琦为哥伦比亚大学金融工程背景，曾管理超10亿元量化私募，并创立量化财经科普IP“量化李不白”。公司定位在AI时代的新Trading Infrastructure，目标是把交易研究链路从产生、数据调用、因子挖掘、策略构建、回测验证、风险评估、交易执行等环节，组织成一个可视化、可自然语言交互的AI工作流。PandaAI已推出面向AI交易的A2A多智能体产品PandaAI EVO，通过数据处理、因子研究、策略生成、回测分析、风险评估和交易执行等任务的协同来完成研究，实现思维能力的自进化。当前用户超过10万，覆盖个人、专业团队和金融机构，形成OS、EVO、QUBE等核心产品，并由QuantSkills提供统一专业能力支持。未来愿景是在成本下降的情况下，将交易能力从少数机构的封闭能力转化为可调用、可组合、可持续进化的基础能力，打造承载“intelligence”的AI Trading OS基础设施。
🏷️ #AI交易 #量化投资 #多智能体 #AI工作流 #金融科技
🔗 原文链接
📰 AI交易进入Agent时代——PandaAI首次提出AI交易L0-L4演进体系 | 投中网
本文报道了PandaAI在AI交易领域的最新动向与发展路径。创始人李昱琦提出的AI交易L0-L4演进体系，将AI参与交易研究的角色从辅助工具逐步提升为研究主体，强调Agent与多智能体协同在完整投研流程中的核心作用。随着大模型能力提升，公开数据处理、策略生成、历史回测等流程将由AI高效完成，未来竞争焦点转向持续学习的Agent系统、协同能力与研究范式的创新。L0到L4的分级描绘了从完全靠人工到AI完成标准化研究与交易的演进路径，并将人类定位为目标设定与风险边界控制的角色。峰会上还公布了一系列面向AI交易时代的新产品体系，如QUBE、Trading OS与EVO，展示自然语言交互、工作流可视化与多智能体协作的完整基础设施。第四届因子大赛启动，鼓励参赛者在因子挖掘、策略构建与模型验证等环节全面应用AI，形成从因子竞争到智能体协同的量化研究新格局。活动还回顾了前三届赛事的规模与成就，体现行业对AI在金融研究中应用的持续关注与探索。
🏷️ #AI交易 #多智能体 #因子大赛 #智能体协作 #TradingOS
🔗 原文链接
📰 AI交易进入Agent时代——PandaAI首次提出AI交易L0-L4演进体系 | 投中网
本文报道了PandaAI在AI交易领域的最新动向与发展路径。创始人李昱琦提出的AI交易L0-L4演进体系，将AI参与交易研究的角色从辅助工具逐步提升为研究主体，强调Agent与多智能体协同在完整投研流程中的核心作用。随着大模型能力提升，公开数据处理、策略生成、历史回测等流程将由AI高效完成，未来竞争焦点转向持续学习的Agent系统、协同能力与研究范式的创新。L0到L4的分级描绘了从完全靠人工到AI完成标准化研究与交易的演进路径，并将人类定位为目标设定与风险边界控制的角色。峰会上还公布了一系列面向AI交易时代的新产品体系，如QUBE、Trading OS与EVO，展示自然语言交互、工作流可视化与多智能体协作的完整基础设施。第四届因子大赛启动，鼓励参赛者在因子挖掘、策略构建与模型验证等环节全面应用AI，形成从因子竞争到智能体协同的量化研究新格局。活动还回顾了前三届赛事的规模与成就，体现行业对AI在金融研究中应用的持续关注与探索。
🏷️ #AI交易 #多智能体 #因子大赛 #智能体协作 #TradingOS
🔗 原文链接
📰 PandaAI李昱琦：AI交易竞争正从因子竞争走向Agent竞争
PandaAI在本次峰会上提出AI交易的L0-L4五级进化体系，强调未来竞争将从单一因子向Agent能力、协同能力及研究范式转变。李昱琦指出，过去二十余年的量化研究以Alpha因子为核心，但随着大模型与多智能体协同技术的发展，公开数据处理、策略生成、历史回测等流程逐步由AI自动化，因子竞争逐渐被基于智能体系统的持续学习与自主规划所取代。L0至L4的框架展示了从人工主导到AI主导的研究与交易演进路径，其中L2为单智能体闭环，L3为多智能体协同，L4实现公开市场中的标准化研究与交易，人类更多聚焦投资目标及风险边界。峰会还展示了以自然语言交互、研究编排与智能体协作为核心的新产品体系，如QUBE、Trading OS与EVO等，力求构建一个能够支持个人也能拥有完整量化交易团队的AI金融基础设施。同时，第四届因子大赛启动，鼓励参与者在因子挖掘、模型优化和策略验证等环节全面融合AI能力，持续推动量化研究的新范式。
🏷️ #AI交易 #智能体 #量化研究 #多智能体协同 #因子大赛
🔗 原文链接
📰 PandaAI李昱琦：AI交易竞争正从因子竞争走向Agent竞争
PandaAI在本次峰会上提出AI交易的L0-L4五级进化体系，强调未来竞争将从单一因子向Agent能力、协同能力及研究范式转变。李昱琦指出，过去二十余年的量化研究以Alpha因子为核心，但随着大模型与多智能体协同技术的发展，公开数据处理、策略生成、历史回测等流程逐步由AI自动化，因子竞争逐渐被基于智能体系统的持续学习与自主规划所取代。L0至L4的框架展示了从人工主导到AI主导的研究与交易演进路径，其中L2为单智能体闭环，L3为多智能体协同，L4实现公开市场中的标准化研究与交易，人类更多聚焦投资目标及风险边界。峰会还展示了以自然语言交互、研究编排与智能体协作为核心的新产品体系，如QUBE、Trading OS与EVO等，力求构建一个能够支持个人也能拥有完整量化交易团队的AI金融基础设施。同时，第四届因子大赛启动，鼓励参与者在因子挖掘、模型优化和策略验证等环节全面融合AI能力，持续推动量化研究的新范式。
🏷️ #AI交易 #智能体 #量化研究 #多智能体协同 #因子大赛
🔗 原文链接
📰 PandaAI李昱琦：AI交易竞争正从因子竞争走向Agent竞争
随着大模型与多智能体协同技术的持续进化，AI正在从辅助工具向金融核心业务渗透。本次PandaAI峰会首次提出AI交易的L0-L4演进体系，明确未来竞争将从单一因子竞争转向Agent能力、协同能力和研究范式的竞争。李昱琦强调，未来交易研究的核心在于构建持续进化的智能研究系统，Agent将参与市场分析、因子研究、策略构建、风险管理、交易执行及持续优化等全流程，使人机关系从辅助任务转为共同研究。L0至L4层级由完全人工完成研究到AI完成标准化研究与交易，体现了从工具向研究主体的转变。为落地应用，PandaAI发布了QUBE、Trading OS与EVO等新产品体系，展示了自然语言交互、可视化研究编排、智能体创建与协同等能力，并演示了A2A协作。第四届因子大赛也已启动，鼓励AI参与因子挖掘、策略构建与模型优化等全过程，形成从因子到智能体的完整研究生态。总体而言，AI交易的未来在于建立统一的AI基础设施与完整的研究协同体系，以实现一个人也能拥有一支AI量化交易团队的目标。
🏷️ #AI交易 #多智能体 #量化研究 #协同能力 #基礎设施
🔗 原文链接
📰 PandaAI李昱琦：AI交易竞争正从因子竞争走向Agent竞争
随着大模型与多智能体协同技术的持续进化，AI正在从辅助工具向金融核心业务渗透。本次PandaAI峰会首次提出AI交易的L0-L4演进体系，明确未来竞争将从单一因子竞争转向Agent能力、协同能力和研究范式的竞争。李昱琦强调，未来交易研究的核心在于构建持续进化的智能研究系统，Agent将参与市场分析、因子研究、策略构建、风险管理、交易执行及持续优化等全流程，使人机关系从辅助任务转为共同研究。L0至L4层级由完全人工完成研究到AI完成标准化研究与交易，体现了从工具向研究主体的转变。为落地应用，PandaAI发布了QUBE、Trading OS与EVO等新产品体系，展示了自然语言交互、可视化研究编排、智能体创建与协同等能力，并演示了A2A协作。第四届因子大赛也已启动，鼓励AI参与因子挖掘、策略构建与模型优化等全过程，形成从因子到智能体的完整研究生态。总体而言，AI交易的未来在于建立统一的AI基础设施与完整的研究协同体系，以实现一个人也能拥有一支AI量化交易团队的目标。
🏷️ #AI交易 #多智能体 #量化研究 #协同能力 #基礎设施
🔗 原文链接
📰 PandaAI 李昱琦：AI交易正从因子竞争走向Agent竞争
PandaAI在最新峰会上提出 AI交易的L0至L4五级演进体系，强调未来竞争将从单一因子能力转向Agent能力、协同能力以及研究范式的竞争。创始人李昱琦指出，过去量化投资以Alpha因子为核心，现阶段大模型和多智能体技术使AI逐步承担从数据处理、策略生成到回测、研究验证等完整投研流程的核心职责，人与AI的关系也将从辅助完成任务转变为共同参与研究。L0到L4的分层中，L2实现单智能体闭环，L3实现多智能体协同与自我迭代，L4则在公开市场完成标准化研究与交易，人类更多聚焦投资目标与风险控制。这一框架不仅反映AI能力提升，也预示交易生产方式的变革。新产品如“QUBE”被定位为对话式策略助手，允许通过自然语言快速完成策略生成、数据调用、回测与信号输出，推动AI交易范式落地。
🏷️ #AI交易 #因子大赛 #智能体 #多智能体协同 #QUBE
🔗 原文链接
📰 PandaAI 李昱琦：AI交易正从因子竞争走向Agent竞争
PandaAI在最新峰会上提出 AI交易的L0至L4五级演进体系，强调未来竞争将从单一因子能力转向Agent能力、协同能力以及研究范式的竞争。创始人李昱琦指出，过去量化投资以Alpha因子为核心，现阶段大模型和多智能体技术使AI逐步承担从数据处理、策略生成到回测、研究验证等完整投研流程的核心职责，人与AI的关系也将从辅助完成任务转变为共同参与研究。L0到L4的分层中，L2实现单智能体闭环，L3实现多智能体协同与自我迭代，L4则在公开市场完成标准化研究与交易，人类更多聚焦投资目标与风险控制。这一框架不仅反映AI能力提升，也预示交易生产方式的变革。新产品如“QUBE”被定位为对话式策略助手，允许通过自然语言快速完成策略生成、数据调用、回测与信号输出，推动AI交易范式落地。
🏷️ #AI交易 #因子大赛 #智能体 #多智能体协同 #QUBE
🔗 原文链接
📰 赫富投资蔡觉逸、董常：风雨淬炼 量化投资依然处于“青春期”
赫富投资的成长历程展现出一条以“健康”为核心的量化私募路径。创始人来自北大同窗，一位来自工学院、一位来自物理学院，形成互补的技术与创业经验结构，带来从0到1的创业能力与成熟的风险管理体系。公司自2016年成立以来，秉持克制风格，强调研究驱动、扁平化协作与高硬核研究团队，博士比例超70%，形成类似“理工科实验室”的运作氛围。策略层面，赫富经历了从中频到全频段的升级，在2022年回撤后通过升频、强化风控、增加短周期信号等措施实现策略升级；并以多频段结构提升对不同市场环境的适应性，量价因子为核心同时结合基本面与另类数据等因子实现风险分散与稳定收益。对未来，团队坚持以量化渗透率的提升来扩展空间，强调在AI工具辅助下提高生产力，但仍将核心决策留在人工筛选与风控之上，力求在波动与监管变化中保持长期稳健增长。
🏷️ #量化 #风控 #多策略 #人工智能 #健康
🔗 原文链接
📰 赫富投资蔡觉逸、董常：风雨淬炼 量化投资依然处于“青春期”
赫富投资的成长历程展现出一条以“健康”为核心的量化私募路径。创始人来自北大同窗，一位来自工学院、一位来自物理学院，形成互补的技术与创业经验结构，带来从0到1的创业能力与成熟的风险管理体系。公司自2016年成立以来，秉持克制风格，强调研究驱动、扁平化协作与高硬核研究团队，博士比例超70%，形成类似“理工科实验室”的运作氛围。策略层面，赫富经历了从中频到全频段的升级，在2022年回撤后通过升频、强化风控、增加短周期信号等措施实现策略升级；并以多频段结构提升对不同市场环境的适应性，量价因子为核心同时结合基本面与另类数据等因子实现风险分散与稳定收益。对未来，团队坚持以量化渗透率的提升来扩展空间，强调在AI工具辅助下提高生产力，但仍将核心决策留在人工筛选与风控之上，力求在波动与监管变化中保持长期稳健增长。
🏷️ #量化 #风控 #多策略 #人工智能 #健康
🔗 原文链接
📰 重磅！数经院金融AI大模型项目获中证协2025年度优秀课题荣誉
该文报道了香港中文大学（深圳）数据经济研究院联合中国证券报与国泰海通证券共同开展的“基于海外资讯的证券行业垂直领域金融大模型与多Agent技术应用研究”项目荣获中国证券业协会2025年重点课题研究优秀课题荣誉。这一成果体现了AI+金融科技在证券行业中的落地应用与科技赋能，聚焦海外资讯合规处理、产业知识图谱构建、热点事件与板块穿透、智能标注、因子挖掘以及客户服务等关键技术瓶颈。随着全球资本市场联动加深，海外业务成为A股上市公司的重要增长点，然而高质量海外资讯渠道的不足限制了行业的实时响应与研判。项目通过多源信息整合、多智能体协同、与产业知识图谱融合，建立覆盖产业链、热点概念与核心企业的标签体系，实现从“看到新闻”到“看懂逻辑”的能力跃升，能够精准穿透至相关板块与个股，提供可视化的影响路径与逻辑依据，帮助主题跟踪、风险预警与投资决策，推动海外资讯向国内市场的智能化转化。该成果不仅提升了行业对全球信息的获取与分析效率，也为证券机构提高专业能力、展现智库智慧与社会责任提供了重要平台与窗口，并可能在行业评级中获得加分。
🏷️ #金融科技 #海外资讯 #大模型 #多Agent #证券研究
🔗 原文链接
📰 重磅！数经院金融AI大模型项目获中证协2025年度优秀课题荣誉
该文报道了香港中文大学（深圳）数据经济研究院联合中国证券报与国泰海通证券共同开展的“基于海外资讯的证券行业垂直领域金融大模型与多Agent技术应用研究”项目荣获中国证券业协会2025年重点课题研究优秀课题荣誉。这一成果体现了AI+金融科技在证券行业中的落地应用与科技赋能，聚焦海外资讯合规处理、产业知识图谱构建、热点事件与板块穿透、智能标注、因子挖掘以及客户服务等关键技术瓶颈。随着全球资本市场联动加深，海外业务成为A股上市公司的重要增长点，然而高质量海外资讯渠道的不足限制了行业的实时响应与研判。项目通过多源信息整合、多智能体协同、与产业知识图谱融合，建立覆盖产业链、热点概念与核心企业的标签体系，实现从“看到新闻”到“看懂逻辑”的能力跃升，能够精准穿透至相关板块与个股，提供可视化的影响路径与逻辑依据，帮助主题跟踪、风险预警与投资决策，推动海外资讯向国内市场的智能化转化。该成果不仅提升了行业对全球信息的获取与分析效率，也为证券机构提高专业能力、展现智库智慧与社会责任提供了重要平台与窗口，并可能在行业评级中获得加分。
🏷️ #金融科技 #海外资讯 #大模型 #多Agent #证券研究
🔗 原文链接
📰 固收大厂的权益答卷：天弘基金的指数突围与生态重构-公司动态-证券市场周刊
在指数化投资进入新阶段之际，天弘基金通过对场外客群的深耕及互联网/科技实力的运用，形成了“场外包围场内”的发展路径，推动行业从数量扩张向质量提升的转变。其指数产品布局以需求为核心，聚焦新兴产业与国家战略导向，覆盖宽基、行业/主题、债券等多类别，形成多元化的指数产品矩阵与差异化竞争优势；在运营端，天弘强调精品单品与扎实投研，运用人工智能与多模型融合提升因子稳定性与预测能力，多个产品持续跑赢基准，并通过场外与场内联动提升普惠性和参与度。生态层面则通过科技赋能与机构合作，构建全流程的投资服务体系，推出工具与策略，帮助投资者实现选基、择时、定投等投资决策的简化与优化，进一步推动指数投资生态的发展。总体来看，天弘基金从规模扩张走向精耕细作，以长期价值为导向，致力于提供可跨周期的资产配置解决方案。
🏷️ #指数投资 #天弘基金 #场外场内联动 #多元产品矩阵 #科技赋能
🔗 原文链接
📰 固收大厂的权益答卷：天弘基金的指数突围与生态重构-公司动态-证券市场周刊
在指数化投资进入新阶段之际，天弘基金通过对场外客群的深耕及互联网/科技实力的运用，形成了“场外包围场内”的发展路径，推动行业从数量扩张向质量提升的转变。其指数产品布局以需求为核心，聚焦新兴产业与国家战略导向，覆盖宽基、行业/主题、债券等多类别，形成多元化的指数产品矩阵与差异化竞争优势；在运营端，天弘强调精品单品与扎实投研，运用人工智能与多模型融合提升因子稳定性与预测能力，多个产品持续跑赢基准，并通过场外与场内联动提升普惠性和参与度。生态层面则通过科技赋能与机构合作，构建全流程的投资服务体系，推出工具与策略，帮助投资者实现选基、择时、定投等投资决策的简化与优化，进一步推动指数投资生态的发展。总体来看，天弘基金从规模扩张走向精耕细作，以长期价值为导向，致力于提供可跨周期的资产配置解决方案。
🏷️ #指数投资 #天弘基金 #场外场内联动 #多元产品矩阵 #科技赋能
🔗 原文链接
📰 黄仁勋每天都用的AI工具，要抢金融行业饭碗了？-36氪
人工智能正在引发金融领域的深度变革。Perplexity 推出 Perplexity Computer，一套云端多 Agent 编排系统，能够在一个平台上调度 19 个顶尖模型完成从研究、设计到执行的全流程，并通过自动分工、生成子 Agent 来完成复杂任务。它的核心优势在于调度能力和多模型协作，能用较低成本实现类似彭博终端的“信息工作台”雏形，吸引了投资者关注与广泛讨论。Perplexity 的商业路径仍面临挑战：高额算力成本、版权与广告模式的边界、以及缺乏自有基础模型导致的依赖性等问题。因此，团队正把发展重心转向 Agent 化执行，探索通过交易与执行环节的变现模式，以期超越单纯订阅的商业模式。创始团队背景强大，来自 OpenAI、Meta 等机构，致力于通过对“搜索”的重新定义实现信息获取的直接性与可引用性，曾在谷歌反垄断案期间公开表达收购Chrome的野心，展示出对AI 驱动的浏览与搜索生态的野心。
🏷️ #AI金融 #多模型编排 #Perplexity #信息引擎 #商业模式
🔗 原文链接
📰 黄仁勋每天都用的AI工具，要抢金融行业饭碗了？-36氪
人工智能正在引发金融领域的深度变革。Perplexity 推出 Perplexity Computer，一套云端多 Agent 编排系统，能够在一个平台上调度 19 个顶尖模型完成从研究、设计到执行的全流程，并通过自动分工、生成子 Agent 来完成复杂任务。它的核心优势在于调度能力和多模型协作，能用较低成本实现类似彭博终端的“信息工作台”雏形，吸引了投资者关注与广泛讨论。Perplexity 的商业路径仍面临挑战：高额算力成本、版权与广告模式的边界、以及缺乏自有基础模型导致的依赖性等问题。因此，团队正把发展重心转向 Agent 化执行，探索通过交易与执行环节的变现模式，以期超越单纯订阅的商业模式。创始团队背景强大，来自 OpenAI、Meta 等机构，致力于通过对“搜索”的重新定义实现信息获取的直接性与可引用性，曾在谷歌反垄断案期间公开表达收购Chrome的野心，展示出对AI 驱动的浏览与搜索生态的野心。
🏷️ #AI金融 #多模型编排 #Perplexity #信息引擎 #商业模式
🔗 原文链接
