可溯源研究底稿 —— 每个数字带出处的初稿,不是成品研报

通用大模型写研报很快 · 财通用它写的研报被监管点名的速度也很快

!
演示模式 · 可视化预演

本页展示的是「应该怎么跑、每一步看什么、交付什么」,用的是真实业务格式的脱敏构造数据, 不宣称已接入客户生产系统,也不承诺任何效率提升百分比。 案例设定:磐沣私募(虚构)研究部。华晟智造 2026 年中报点评进入撰写期:8 月 28 日中报披露海外营收实际 −12.6%,与 4 月底稿预测 +15%~20% 偏差 27.6pct(下限口径)。署名分析师陈屹(注册分析师)需要一份每个数字带出处的初稿,随后走 研究报告发布前质控底稿 质控审查。

数字条目
87 个
外部出处
14 份
口径不一致
2 处
结论
1 处证据等级不足,建议补证后提交质控
输入

证券与资管从业者手上能拿到的东西

不需要整理格式、不需要改文件名 · 直接拖进对话框
01_中报关键数据摘录.xlsx
华晟智造 2026 半年报关键数据——每格带页码,出处绑定的第一信源
研究员从中报 PDF 手工摘录 · 8 月 29 日
02_4月底稿_华晟智造.xlsx
上一版底稿的预测与假设——偏差拆解的对照基准
底稿库 PF-RD-2026-018 · 2026 年 4 月 15 日
03_Wind财务数据导出.xlsx
终端导出的历史财务序列——趋势类数字的出处
研究员从 Wind 导出 · 文件名即出处标识
04_卖方研报摘录_3份.xlsx
三份卖方研报的引用摘录——二手来源,口径回查的重点对象
研究员从研报平台摘录 · 引用处标原报告页码
05_底稿撰写规范.docx
公司研究底稿的三栏分离模板与出处绑定格式要求
合规风控岗维护 · 2025 年 9 月定版

注意标橙色那一份 —— 02_4月底稿_华晟智造.xlsx。它底稿库 PF-RD-2026-018 · 2026 年 4 月 15 日,平时压根不在核对范围里。这个场景的价值,很大一部分就来自把它读进来。

提示词

就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底
把中报和我们 4 月的底稿放一起,出一份华晟智造的中报点评初稿。 每个数字都要带出处,公告标页码,终端数据标导出文件名。 上期预测和这期实际的差异逐条拆开,写清是哪个假设错了。 我们自己的观点和公告事实分开写。署名、评级、推荐意见都留空,分析师自己来。

信源白名单、出处绑定格式、证据分级口径都在能力包里。分析师只需说清这次的标的和用途。

触发

事情是这么来的

财通的教训在前:AI 能写,但每个数字必须有出处

2023 年财通证券用 通用大模型 写研报被质疑数据来源不可靠、同年被责令改正。磐沣的规矩从这里来:初稿可以借助工具,但 87 个数字每个都要能指回原文——这份底稿随后要过 研究报告发布前质控底稿 的发布前质控,出处就是质控的抓手。

1

数字盘点 · 87 个条目三栏分离

事实 42 / 推断 28 / 假设 17——每栏写法不同
栏别条目数写法要求示例
事实栏42逐条带出处(文件名+页码)海外营收 6.31 亿(中报 P12)
推断栏28写明由哪几条事实推导海外收入占比 34.3%(6.31/18.42)
假设栏17必须标注证据等级Q4 大客户排产回稳(单一渠道转述)
合计87——

三栏分离的直接受益方是质控:研究报告发布前质控底稿 审查时只重点核假设栏 17 条与事实栏抽样——而不是 87 条平铺直查。

这一步的看点 · 从历史里想起了公司踩过的坑2023 年一篇季度策略点评引用「某券商测算的行业增速 8.7%」,后来发现是二手转载抄错了小数点(原文 0.87%)——发出去之后才被客户指出。本次底稿把这条历史问题写进检查项:所有转载数字回查原始报告。这条不靠当年写稿的人还记得——历史问题记录在底稿库里。
2

出处绑定 · 87 条索引对 14 份文件

一个数字一条索引,公告标页码、终端导出标文件名
信源类型份数索引条数绑定格式
中报及更正公告2 份31 条公告名 + P 页码
Wind 终端导出4 份22 条导出文件名 + 单元格
卖方研报(二手)3 份9 条研报名 + P 页码 + 回查状态
内部底稿库5 份25 条底稿编号 + 页码
合计14 份87 条索引与数字一一对应

9 条二手来源全部标了回查状态——回查结果见下一步。内部底稿 5 份含 4 月与 7 月两篇华晟底稿(编号见 舆情与持仓关联预警早报 索引)。

这一步的看点 · 该拦的地方拦住了信源白名单外的一条「股吧流传的大客户砍单截图」被拒收——Agent 标注「非白名单信源,不入底稿」,该信息按 舆情与持仓关联预警早报 场景的路径走核实,而不是混进研究底稿。研究底稿与舆情线索,两条通道不能混。
3

口径回查 · 两处转载与原文不一致

卖方研报的数字回查原始报告,不一致逐处标出
引用处转载数值回查原文结论
券商 A 深度报告 P8:海外营收增速8.7%原文 0.87%小数点错位——历史问题同款,退回修正
券商 B 行业专题 P15:行业需求增速12%原文 12%(但为 2025 年基数)年份口径错位——标注「2025 年口径」后可用
券商 C 中报前瞻 P3:中报海外营收同比基本持平原文一致通过
回查9 条不一致 2 处修正/标注后可用

两处不一致若未回查,会分别把行业增速放大 10 倍、把需求年份错移一年——都是「格式全对、内容错了」的典型。

这一步的看点 · 排除性结论「券商 C 的『基本持平』判断可以排除参考价值——其发布于 8 月 20 日,早于 8 月 28 日中报披露,属前瞻猜测而非验证结论。引用它等于引用一个已被 −12.6% 证伪的预测」——省掉一轮「要不要采纳卖方观点」的讨论。
4

预测差异拆解 · 27.6 个百分点错在哪层

上期预测 vs 中报实际,汇率先排除,假设逐条对
对照项上期预测中报实际偏差
海外营收增速(人民币)+15%~20%−12.6%27.6pct(下限口径)
海外营收增速(原币)—−11.9%汇率贡献 0.7pct
关键假设:大客户补库存Q2 起补库存Q3 采购收紧(专家)假设层错误
关键假设:产能利用率回升回升存货 +14.2% 佐证未回升假设层错误

偏差主因落在假设层:两个关键假设均建立在「单一渠道转述」证据上(4 月底稿已标注证据等级)。汇率只解释 0.7pct,解释不了 27.6pct——宏观归因讨论可以结束。

这一步的看点 · 排除性结论「汇率因素可以排除——财务口径还原后海外营收按人民币计 −12.6%、按业务发生货币计 −11.9%,汇率只贡献 0.7 个百分点,解释不了 27.6 个百分点的预测偏差」——省掉一轮宏观归因的无效讨论,直接聚焦证据分级问题。
5

假设证据分级 · 本版底稿的新增检查项

17 条假设逐条标证据等级,不足的单列
证据等级假设条数本稿处置
公告交叉验证6可直接支撑推断
多渠道验证5可支撑推断,注明渠道数
单一渠道转述6其中 1 条为关键假设(Q4 大客户排产回稳)——建议补渠道验证
合计171 条关键假设证据等级不足

「证据等级不足的关键假设须补证」是本版新增的检查项——它就是从 4 月那篇底稿的教训里长出来的规则。

这一步的看点 · 把技术动作翻译成钱证据分级不是学术洁癖:4 月那个「单一渠道转述」的假设对应成长三期 8.7% 仓位、约 2.2 亿市值,8 月回撤贡献 −0.37 个百分点(约 940 万)。假设的证据等级和仓位大小,最终都翻译成同一个数——这就是分级制度的定价。
IO

初稿生成 · 三份交付物,署名栏留空

事实/推断/假设三栏分离的初稿 + 预测差异对照 + 出处索引
交付物内容去往
研究底稿_初稿.docx三栏分离 · 无评级无目标价 · 署名栏留空分析师陈屹审阅签署 → 研究报告发布前质控底稿 质控
预测差异对照表.xlsx上期假设/预测/实际/偏差逐条 · 含证据等级投决会
出处索引清单.xlsx87 个数字 → 14 份文件页码的完整映射研究报告发布前质控底稿 质控用
这份初稿还不能提交质控——1 处关键假设证据等级不足
本稿存在 1 处证据等级不足的关键假设(Q4 大客户排产回稳,单一渠道转述级)——它支撑着「Q4 业绩环比改善」的核心推断。建议补充渠道验证后再提交质控审查。给出两个不用干等的替代方案:方案一:按「观察」口径先出稿——预测区间收窄、加不确定性说明,零成本,当日可提交;方案二:补一轮渠道交叉验证(下游客户采购与同行排产两渠道)——差旅与专家访谈费约 0.8-1.2 万,两个工作日,验证后按完整口径出稿。评级、目标价、推荐意见三栏留空——那是署名分析师的法定责任。
之后

这一次跑完,公司多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么
✓
底稿库多了可验证的资产:预测值连同假设与证据等级一起留档,三个月后 历史观点回顾验证 直接调用
✓
一条口径被固定下来:关键假设必须标证据等级(公告交叉/多渠道/单一转述)
✓
一条历史教训被真正用上:4 月「单一渠道转述」撑起 +15% 预测的教训,从此写进每个新底稿的检查项
✓
岗位角色变了:分析师从「先写再找数据」变成「对着出处索引写」,质控(研究报告发布前质控底稿)从抽查变全查

追问现场可能被问到的

答不上来的问题,比答得漂亮的问题更能决定这场演示的结果

为什么不让它直接把研报写完?
署名即担责,这是持牌分析师的法定责任,AI 不能背。我们做的是把「找数据、对出处、拆差异」这些不涉判断的工序做完,评级和结论留给署名人。财通事件的教训就在这里。
它引用的内部库数据可信吗?
库内数据引用的是你自己的历史底稿,出处精确到页;非白名单信源会被拒收并标注——宁可缺,不编。
和其他机构的 AI 写研报有什么区别?
头部机构(华泰 RIS、中信超级研究员)是私有化平台,中小机构买不起;通用大模型无私有库、无溯源。这里的差异是底稿库在你手里、每个数字可回查。

想了解来龙去脉?

回到场景引入,看这个场景的痛点、做法与边界