最近刷社交平台，赛博朋克风的金融 Agent 越来越常见：黑底霓虹、跳动的 K 线、精美的仪表盘，几句话 Vibe Code 就能搭出来。看多了，我总有种感觉——有些产品像同一条流水线上出来的“行情播放器”：通用数据接进来，让 LLM 临场解读，再换套 UI 播出来。

实时行情、技术指标和订单流当然有用。但如果关掉动效，只剩几句“偏多”“偏空”，那研究依据到底在哪里？

说到底，行情大家都能买，LLM 大家都能用。在全球高手云集的金融市场，你的 Agent 究竟带进了谁的研究判断？一份漂亮报告凭什么帮你杀出重围？难道提交给 LLM 的那几句提示词，就是你的核心护城河与竞争力？

翻自己的 NuvexLens 开发笔记，我最想拿出来讲的，反而是两次不太漂亮的结果。

模型跑完了，新版本却没获准上线

十月的生产验收里，A 股、美股的自动优化任务都跑完了，也生成了新候选。结果两边都触发了市场状态下的信号方向反转门禁。说白了，系统发现候选信号在对应市场状态下有统计方向反过来的风险，于是不准新权重直接替换旧模型。这不是说它预测大盘涨跌猜错了。

任务跑通，和模型有资格上线，是两道检查。候选留在原位，线上旧模型照常用。

我想要的投研工具，背后得有长期打磨的历史数据和研究模型。下次再遇到相似行情形态，至少能翻出过去有多少次类似情况、后来结果怎么分布、哪些市场状态下信号失过灵。历史不会简单重演，模型也不保证每次都对，但这些记录得靠一轮轮真实计算、验证和纠错攒出来，靠精修提示词临场讲行情补不齐。

筛得更严，10 日的结果反而更差

另一次美股历史门槛评估覆盖 43 个交易日。筛得更严后，3 日、5 日的部分统计好看了些，10 日平均事件收益却从 −0.295% 变成 −0.456%；两档条件入选的 10 日去重记录分别有 2,002 条和 1,651 条。

这些数字算的是信号出现后 10 日的价格变化，不是账户实际亏了多少。筛选条件一变，入选样本也变了；即使去过重，10 日持有窗口仍可能相互重叠。只看短期写“筛得越严越好”，显然太急了。

还有个坑更隐蔽：我后来核对收益计算，发现按信号日期聚合的持有期事件收益，没法直接当成真实持仓的每日组合净值。拿这样的序列去解读 Sharpe 和回撤，报告可能很专业，统计对象却不对。

这些不太好听的记录，才是我想让 Agent 带进回答里的东西：有些候选没通过，有些短期改善经不起长周期追问，有些指标得先把统计口径弄对。公开数据配上认真做的研究代码，也完全可以积累这些判断。想自己动手检验的话，我用公开 ETF 做过一篇因子 Rank IC 与分组收益的多周期验证。

Agent 负责解释，研究不能靠临场发挥

我也试过让 Muse（Meta 的个人 Agent）通过授权 REST 接口，读取 NuvexLens 先前发布的研究快照。这是另一批次的接入验证，尚不能把快照里的具体结果和前面两个历史案例逐条对应。接口的作用就是把已有研究结果交到 Agent 手上；真正的研究工作，发生在提问之前。

图表能画出来，不等于判断能兑现。 我现在更在意三个问题：谁算的？什么时候算的？过去算得怎么样？回答不出这些，LLM 再会讲，也还没回答开头那个护城河问题。

---

附注 · 本文讨论的是历史研究与工程验证，没有进行通用金融 Agent 与自研模型的同条件收益对照，不构成投资建议。