今年春节以来，陆续有投资(zi)者向DeepSeek-R1、豆(dou)包等寻(xun)求(qiu)关于股票与基金的投资(zi)建议。针(zhen)对这一(yi)现象，有证券从业人员(yuan)向证券时报记者提出困(kun)惑(huo)——AI大模型在提供股票或基金的投资(zi)建议时，是否应该持有投顾(gu)牌照？

证券时报记者注意到，在豆(dou)包APP平台上，不同入口获取的证券投资(zi)咨(zi)询结果(guo)呈现显著(zhu)的监管差异。比(bi)如，当记者向豆(dou)包要求(qiu)推荐股票时，豆(dou)包会给出多只股票的具体建议，包括仓位、买(mai)入价等。而当记者向在豆(dou)包APP上线的股票智(zhi)能体“华泰股市助手”提出相同问题时却遭遇“碰壁”，并未提供直接的买(mai)卖建议，但会给出资(zi)金面、技术(shu)面等信息供投资(zi)者分析决策(ce)。

同一(yi)APP上出现截然不同的咨(zi)询结果(guo)，反映出不同入口背后的主体属性差异。华泰证券作为持牌金融机构受到监管规定的约束，而从用户需求(qiu)的角度看，豆(dou)包的直接荐股建议可能更有吸引力。那么，以DeepSeek、豆(dou)包为代表的大模型，是否应该纳入证券投资(zi)咨(zi)询牌照监管呢？

部分受访的券商人士认为，通用大模型应纳入投顾(gu)牌照监管。华福证券有关负责人表示，尽管目(mu)前通用大模型荐股荐基的建议尚未商业化，但已(yi)对投资(zi)者的决策(ce)产生了影响，纳入监管能够确保通用大模型提供的投资(zi)建议具备(bei)专业性和合(he)规性，进(jin)而避免误导投资(zi)者。相关人士也认为，通用大模型的荐股荐基应该与现有监管保持一(yi)致，要对客户的适当性进(jin)行校验(yan)，所提供的投资(zi)建议可能会对市场交易(yi)价格产生冲击，要进(jin)行统(tong)一(yi)监控。

不过(guo)，也有券商人士认为要多方面考虑问题，不应“一(yi)刀切”。银河(he)证券财富管理首席投资(zi)官、产品中心总经理张嘉为谈到，仅从AI技术(shu)本身来看，通用大模型更多具备(bei)的是“模型”和“工具”的属性。在未商业化的前提下，投资(zi)者在自主使用的过(guo)程中，并无需要纳入投资(zi)咨(zi)询牌照监管的必要性。“不过(guo)，如果(guo)有机构依据其模型搭建商业化模式并给出具体的投资(zi)建议，或者未来荐股行为实现商业化，本质上则属于投资(zi)咨(zi)询行为，理应纳入投资(zi)咨(zi)询牌照监管。”

国泰君安相关人士也有类似观点。他谈到，以DeepSeek为例的通用模型平台主要以数学、物理、常识等问题进(jin)行训(xun)练(lian)，并非(fei)以金融投资(zi)问题训(xun)练(lian)，模型在证券行业中的应用能力是“模型泛化”的成(cheng)果(guo)之一(yi)。“如果(guo)对这些平台做(zuo)‘一(yi)刀切’管理，从某种角度上来说反而会限制模型能力的进(jin)一(yi)步发挥，对模型的进(jin)化提升存在潜在的负面影响。”

在上述人士看来，金融服(fu)务的风险传(chuan)导机制决定了监管应聚焦“行为实质”而非(fei)“技术(shu)形态”，比(bi)如以专业服(fu)务平台为代表的智(zhi)能投顾(gu)平台、以证券机构为主体在智(zhi)能体平台建立(li)的对客智(zhi)能体（Agent）就需要纳入投顾(gu)牌照监管。因(yin)为这些平台达到输(shu)出投资(zi)建议的三个标准，即具有明确指向性，比(bi)如提供个股或者基金代码；形成(cheng)持续性服(fu)务，而非(fei)用户单次(ci)测试；产生实质影响，用户会据此交易(yi)。上述三点，已(yi)触及监管边界。

2 券商建言加强算法监管

除了主体属性存在争议外(wai)，在合(he)规性方面，通用大模型提供投资(zi)建议背后的底层数据、算法模型、生成(cheng)的投资(zi)逻辑和相应结论等是否应该纳入监管，以及技术(shu)中立(li)能否豁免合(he)规责任等话题，也存在讨论的空间。

近期，“数据污染”的消息屡屡出现。有用户反映，DeepSeek在推荐基金时，所抓取的信息来源包括某基金产品的广告投放。“AI幻觉”问题也多次(ci)被曝(pu)光，即模型生成(cheng)与事(shi)实不符、逻辑断裂或脱离上下文的内容。在Vectara HHEM人工智(zhi)能幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率，超(chao)过(guo)行业平均(jun)水平。

对此，有部分券商人士认为，对于用户而言，AI仅仅是多了一(yi)个参(can)考信息的来源，并且用户输(shu)入不同的提示词(ci)后也会产生差异较大的分析结果(guo)。从这个角度看，AI技术(shu)是中性的，在其提供的最终结论中，判断与选(xuan)择仍取决于用户本人。

也有券商人士持有不同意见，他们(men)认为AI输(shu)出内容的合(he)规与可信非(fei)常重要。前述国信证券相关人士表示，思维链输(shu)出的交互形态，潜意识引导了用户的认知，让用户更加容易(yi)认同分析的结果(guo)，但同时也让大模型的幻觉变得更加隐蔽。“深度使用DeepSeek就会发现，金融数据容易(yi)被错误引用，对于原始信息的真实性无法求(qiu)证，生成(cheng)内容容易(yi)被搜索结果(guo)误导，因(yin)此需要相关监管部门(men)加强对该领域的监管。”

中信建投证券相关人士也表示，目(mu)前，将AI直接用于投资(zi)咨(zi)询存在技术(shu)风险，算法模型和资(zi)产配置逻辑存在不稳定、不可靠等风险。

前述华福证券有关负责人建议，监管可考虑要求(qiu)平台披(pi)露算法逻辑和风险提示，能够让投资(zi)者更清楚(chu)地了解投资(zi)建议的依据和风险，从而维护金融市场的稳定和公平。

东(dong)莞证券相关人士表示，在智(zhi)能投顾(gu)业务监管方面，建议加大智(zhi)能投顾(gu)监管“沙盒”试点，加快(kuai)智(zhi)能投顾(gu)业务属性与准入管理具体规范(fan)的制定。同时，鉴于我国资(zi)本市场个人投资(zi)者占(zhan)比(bi)较高的情况(kuang)，AI的发展应用应参(can)考当下对高频(pin)量化交易(yi)的监管策(ce)略(lue)，依据市场结构、流动性和价格发现产生方式等对智(zhi)能投顾(gu)的相关监管策(ce)略(lue)进(jin)行分类研究，既不可“一(yi)概(gai)而论”也不能“听之任之”。

3 趋同性风险属多虑吗？

此外(wai)，有市场观点称，伴随AI荐股未来得到广泛应用，可能会引发投资(zi)者群体性操作，导致市场波动加大。对此，多名受访人士认为，趋同性风险确有存在的可能，但发生的概(gai)率不大，市场不必多虑。

前述华福证券有关负责人认为，由于很多机构可能基于相似的市场数据、算法模型和理论基础来构建自己的AI投资(zi)系统(tong)，当市场出现某些特(te)定信号时，大量基于相同算法的投资(zi)决策(ce)有可能同时发生。因(yin)此，需要谨慎看待(dai)AI在投研与投资(zi)咨(zi)询领域的运(yun)用。

“在防(fang)范(fan)方面，我们(men)可以通过(guo)监管引导机构在算法设计上增(zeng)加差异化，鼓励机构结合(he)自身的研究优(you)势、数据特(te)色来优(you)化算法。同时，加强投资(zi)者教育也至关重要，要引导投资(zi)者理性看待(dai)AI投资(zi)建议，不能盲目(mu)跟风，从而降低因(yin)算法趋同带来的市场波动风险。”上述华福证券有关负责人称。

张嘉为认为，趋同性的出现取决于三方面是否发生共振，一(yi)是具体应用场景和应用模式，二(er)是底层数据来源范(fan)围，三是客户提问的提示词(ci)。在实际展业中，三者共振导致趋同性的概(gai)率不大，因(yin)为持牌金融机构通常多方面提升策(ce)略(lue)多样性、交易(yi)分散(san)性、模型多样化协同、业务技术(shu)深度融合(he)及风控预警(jing)等。同时，各家机构拥有不同的客户数据、投顾(gu)数据、资(zi)讯数据等，数据库一(yi)致性的概(gai)率不大。此外(wai)，客户千人千面，其提问的提示词(ci)高度重复的概(gai)率也不大。

平安证券经纪(ji)业务事(shi)业部相关负责人以量化交易(yi)的策(ce)略(lue)发展为例，称这是类似一(yi)个循环的过(guo)程，即发现策(ce)略(lue)、获利、失效、再挖掘新的策(ce)略(lue)。“在技术(shu)升级的初期阶段，可能会出现‘羊群效应’，比(bi)如大家用的模型、数据源或者训(xun)练(lian)方法都差不多，短期内引发趋同交易(yi)，但这也可能导致策(ce)略(lue)收益下降甚(shen)至亏(kui)损，进(jin)而推动市场从同质化走向差异化。”该负责人表示。

【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立(li)，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参(can)考，并请自行承(cheng)担全部责任。邮箱(xiang)：news_center@staff.hexun.com