AI 可以先筛财报，但每个提醒都必须说清时间与理由

AI 改变财报研究的第一个具体环节，不是替人做估值，而是先决定哪些段落值得人工注意。这个变化只有在每条提醒都能回答三个问题时才有价值：发生了什么变化、与哪一份旧文件相比、哪段原文支持这个判断？

SEC 的 EDGAR API 提供了公开的申报文件、申报时间、公司事实数据和结构化信息。FINRA 关于金融服务业生成式 AI 的指引则提醒我们：监督、记录保存、隐私和准确性义务不会因摘要由模型生成而消失。两者合在一起，支持一种克制的工作流：让 AI 排研究队列，但把证据记录和是否采信交给人。

过去，分析师通常打开最新 10-K 或 10-Q，搜索熟悉的标题，再把重要段落抄入表格。现在可以做比较式筛选：给模型两份在当时可获得的文件，只要求它找出新风险措辞、会计定义变化、承诺变化或披露缺失。输出应是待核查队列，不是投资结论。

可复现的做法如下。先冻结信息集，记录两份文件的 accession number 和发布时间，排除之后发布的资料。再按标题和段落切分。要求模型输出旧段落、新段落、变化类型、一句理由和信心标签。随后用独立检查逐条对照原文，标记“支持”“含糊”或“不支持”。最后由人工决定哪些支持充分的事项值得继续研究。提示词不应要求买卖、目标价或预期回报。

用 75 分钟做一次研究测试。前 15 分钟选一家公司两份可比财报并冻结资料；接着 20 分钟由人工建立基线，标出认为值得跟进的段落；再用 20 分钟运行模型；最后 20 分钟核查引用并比较两条队列。记录提醒精确率、相对人工基线的覆盖率、无依据引用率、重复提醒率，以及中位复核时间；另行统计引用截止时间之后文件的提醒。

开始前写下停止条件：无依据提醒超过十分之一、任何提醒使用截止时间之后的资料，或团队无法从冻结文件重现结果，就停止并丢弃本轮。不要把练习变成模拟交易。七天扩展可以用七组新财报重复测试，但须保持同一评分规则并记录模型版本变化；目标是测量流程，不是证明收益。

困难恰恰出现在模型信心最不可靠的地方：修订申报、格式变化、新会计准则或业务事件都可能改变文字。相似度会漏掉表格，表格也可能藏着单位变化。SEC 数据能证明文件提交了什么，却不能自动证明什么最重要。FINRA 的监督框架还要求明确提示词、输出、保存、权限和人工复核的责任归属。

这与投资 AI 的决策链以及金融基础模型的时间完整性相呼应。重点不是 AI 从财报中发现了隐藏信号，而是它让昂贵的文件比较变得足够便宜，可以被正式测量。问题也因此从“模型会不会读”变成“团队能否核验、复现，并安全处理它标出的事项”。

来源：SEC EDGAR API、SEC 公司事实数据、FINRA 生成式人工智能。这些来源说明文件基础和控制义务，不证明任何投资优势。

Read in English →