這項由泰國SCBX集團旗下SCB 10X團隊的研究人員Natapong Nitarach、Warit Sirichotedumrong等人完成的突破性研究，于2025年6月19日發(fā)表在arXiv預印本平臺上。該研究提出了一種名為FinCoT的全新方法，讓AI模型在處理金融問題時能夠像真正的金融專家一樣進行推理。有興趣深入了解的讀者可以通過論文編號arXiv:2506.16123v1訪問完整研究內(nèi)容。

金融分析就像解決復雜的謎題，需要遵循特定的步驟和邏輯。過去，當我們讓AI回答金融問題時，它們往往像沒有經(jīng)過專業(yè)訓練的新手，雖然能提供答案，但推理過程混亂，缺乏專業(yè)性。SCB 10X的研究團隊意識到這個問題，決定開發(fā)一種能讓AI按照金融專家思維模式進行推理的方法。

研究團隊發(fā)現(xiàn)，目前金融領域的AI應用主要存在三種提問方式。第一種是標準提問，就像直接問AI"這道題的答案是什么"，不提供任何思考指導。第二種是無結(jié)構(gòu)的思維鏈提問，相當于告訴AI"請一步步思考這個問題"，但沒有給出具體的思考框架。第三種是結(jié)構(gòu)化的思維鏈提問，就像給AI提供了一個思考模板，告訴它應該按照什么步驟來分析問題。

然而，即使是第三種方法，在金融領域的應用也存在明顯缺陷。研究團隊發(fā)現(xiàn)，大多數(shù)現(xiàn)有的思考結(jié)構(gòu)都是由非金融專業(yè)人士設計的，就像讓一個從未下過廚的人來設計菜譜一樣，雖然看起來有模有樣，但缺乏真正的專業(yè)內(nèi)涵。

**一、金融AI的三種"思考模式"**

為了更好地理解這個問題，研究團隊首先對現(xiàn)有的金融AI提問方法進行了系統(tǒng)分析。他們發(fā)現(xiàn)，就像人類解決問題有不同的思維方式一樣，AI處理金融問題也存在三種截然不同的"思考模式"。

標準提問就像是向AI拋出一個金融問題，然后期待它立即給出答案，就好比問一個學生"這支股票值得投資嗎"而不給任何分析框架。這種方式雖然直接，但往往得到的答案缺乏說服力，因為AI無法展示其推理過程。

無結(jié)構(gòu)的思維鏈提問則像是告訴AI"請仔細思考這個問題"，相當于給了AI思考的許可，但沒有提供具體的思考方向。AI可能會考慮各種因素，但思考過程往往雜亂無章，就像一個沒有經(jīng)過專業(yè)訓練的新手分析師，雖然考慮了很多方面，但缺乏系統(tǒng)性。

結(jié)構(gòu)化的思維鏈提問試圖解決這個問題，它為AI提供了明確的思考框架，比如"首先分析公司財務狀況，然后評估市場環(huán)境，最后得出結(jié)論"。這種方法確實比前兩種更有條理，但問題在于，這些框架往往是按照一般性的邏輯設計的，而非專門針對金融領域的專業(yè)需求。

研究團隊通過大量實驗發(fā)現(xiàn)，即使是結(jié)構(gòu)化的方法，在處理金融問題時仍然存在明顯不足。AI經(jīng)常會在計算中混淆基點和百分比，或者在估值過程中忽略重要的驗證步驟。這就好比讓一個初學者按照通用的解題模板來解決專業(yè)的工程問題，雖然有模板指導，但缺乏對專業(yè)細節(jié)的深度理解。

**二、FinCoT：為AI注入金融專家的智慧**

面對這些挑戰(zhàn)，研究團隊開發(fā)了FinCoT這一創(chuàng)新方法。FinCoT的核心理念是將真正的金融專家工作流程轉(zhuǎn)化為AI能夠理解和遵循的指導框架。這就像是把一位經(jīng)驗豐富的金融分析師的思維過程"復制"到AI的大腦中。

FinCoT的獨特之處在于它使用了一種叫做Mermaid圖表的技術來描述專家推理流程。這些圖表就像是金融分析的"路線圖"，清晰地標示出了專家在處理不同類型金融問題時應該遵循的步驟和邏輯。比如，在進行股票估值時，專家會首先分析公司的基本面，然后評估行業(yè)環(huán)境，接著選擇合適的估值方法，最后驗證結(jié)果的合理性。

研究團隊花費了大量時間和精力來構(gòu)建這些專家知識圖譜。他們采用了一個系統(tǒng)性的流程，首先確定需要覆蓋的金融領域，然后通過AI工具從權(quán)威來源收集相關的專家策略和最佳實踐。這個過程就像是編寫一部金融分析的百科全書，每個領域都有詳細的操作指南。

收集到的知識經(jīng)過了嚴格的驗證和整合過程。研究團隊邀請了具有金融背景的專家對這些知識進行審核，確保其準確性和實用性。隨后，他們將這些知識轉(zhuǎn)化為結(jié)構(gòu)化的工作流程，就像是將經(jīng)驗豐富的分析師的工作方法標準化為可操作的步驟。

最后，這些工作流程被轉(zhuǎn)換為Mermaid圖表格式。這種格式的優(yōu)勢在于它既具有清晰的視覺結(jié)構(gòu)，又能被AI模型直接理解和應用。當AI遇到金融問題時，相應的圖表就像是一個詳細的作業(yè)指導書，告訴AI應該按照什么順序、考慮哪些因素來分析問題。

**三、涵蓋十大金融領域的專業(yè)藍圖**

研究團隊為十個主要的金融領域分別創(chuàng)建了專門的推理藍圖，這些藍圖就像是不同專業(yè)的操作手冊。每個藍圖都針對該領域的特殊要求和常見挑戰(zhàn)進行了精心設計。

經(jīng)濟學分析藍圖就像是宏觀經(jīng)濟分析師的工作指南。它首先要求AI識別問題的類型，比如是微觀經(jīng)濟的供需問題，還是宏觀經(jīng)濟的政策影響問題。然后根據(jù)問題類型選擇合適的分析框架，比如供需模型、總需求-總供給模型或者商業(yè)周期理論。接下來確定是需要數(shù)值計算還是概念分析，最后形成結(jié)構(gòu)化的回答并驗證邏輯一致性。

固定收益分析藍圖則專門針對債券和其他固定收益產(chǎn)品的分析需求。它指導AI從投資目標設定開始，然后分析宏觀環(huán)境中的利率和通脹趨勢，評估債券的具體特征如久期和信用利差，最后制定投資建議并跟蹤績效表現(xiàn)。

股權(quán)投資分析藍圖模擬了股票分析師的工作流程。它從投資目標確定開始，然后分析市場和行業(yè)環(huán)境，進行行業(yè)競爭分析，審查具體公司情況，運用估值方法，最后做出投資決策。

定量方法藍圖專門處理金融數(shù)學和統(tǒng)計分析問題。它強調(diào)問題的清晰表述，數(shù)據(jù)的收集和清理，模型的選擇和參數(shù)估計，假設檢驗，以及結(jié)果的解釋和溝通。

組合管理藍圖則涵蓋了投資組合構(gòu)建和管理的完整流程，從投資目標設定到資產(chǎn)配置，從證券選擇到績效監(jiān)控，形成了一個完整的投資管理循環(huán)。

衍生品分析藍圖專門處理期權(quán)、期貨等復雜金融工具的定價和風險管理問題。它特別強調(diào)了合約規(guī)格的理解、市場數(shù)據(jù)的收集、定價模型的應用以及希臘字母風險指標的計算。

財務報告分析藍圖指導AI如何像財務分析師一樣解讀公司財務報表，從目標設定到數(shù)據(jù)收集，從比率計算到趨勢分析，形成全面的財務健康評估。

另類投資藍圖則專門處理私募股權(quán)、對沖基金、房地產(chǎn)等非傳統(tǒng)投資產(chǎn)品的分析，強調(diào)了盡職調(diào)查、估值挑戰(zhàn)和流動性風險的評估。

公司發(fā)行人分析藍圖專注于企業(yè)信用分析，從行業(yè)分類到財務分析，從信用風險評估到公司治理評價，為債券投資和信用決策提供全面支持。

**四、實驗驗證：讓數(shù)據(jù)說話**

為了驗證FinCoT的有效性，研究團隊設計了一系列嚴格的對比實驗。他們選擇了1032道CFA考試風格的問題作為測試基準，這些問題涵蓋了十個金融領域的各個方面，就像是為AI準備的一次全面的專業(yè)資格考試。

實驗中使用了多個不同的AI模型來確保結(jié)果的可靠性。其中包括通用的語言模型如Qwen系列，以及專門為金融領域優(yōu)化的模型如Fin-R1。這種多模型驗證就像是讓不同背景的學生參加同一場考試，可以更全面地評估方法的普適性。

實驗結(jié)果令人印象深刻。在最顯著的案例中，F(xiàn)inCoT將Qwen3-8B-Base模型的準確率從63.2%大幅提升至80.5%，提升幅度達到17.3個百分點。這種提升就像是將一個剛及格的學生培養(yǎng)成了優(yōu)秀學生。即使對于已經(jīng)經(jīng)過金融專業(yè)訓練的Fin-R1模型，F(xiàn)inCoT仍然能夠帶來1.26個百分點的提升，證明了專業(yè)推理框架的價值。

特別值得注意的是，F(xiàn)inCoT在處理定量分析類問題時表現(xiàn)尤為出色。這類問題通常涉及復雜的數(shù)學計算和邏輯推理，正是專業(yè)推理框架能夠發(fā)揮最大作用的地方。就像有了詳細的計算指南，AI能夠避免常見的計算錯誤和邏輯陷阱。

研究團隊還發(fā)現(xiàn)了一個有趣的現(xiàn)象：對于那些已經(jīng)經(jīng)過指令調(diào)優(yōu)的模型，F(xiàn)inCoT的提升效果相對較小。這表明這些模型在訓練過程中可能已經(jīng)學會了一些結(jié)構(gòu)化推理的技巧，但仍然缺乏專業(yè)領域的深度知識。

**五、跨領域的智慧遷移**

研究團隊還進行了一個創(chuàng)新性的跨領域測試，探索不同金融領域的專業(yè)知識是否能夠相互借鑒。他們將每個領域的專業(yè)藍圖應用到其他九個領域的問題上，就像是讓不同專業(yè)的專家嘗試解決其他領域的問題。

結(jié)果顯示，某些領域的推理框架確實具有更強的通用性。定量方法、股權(quán)投資和另類投資的藍圖在其他領域也能帶來顯著的性能提升。這就像是數(shù)學和邏輯推理能力具有更廣泛的適用性，能夠幫助解決各種類型的金融問題。

相比之下，一些更加專業(yè)化的領域如公司發(fā)行人分析和經(jīng)濟學分析的藍圖，在其他領域的適用性相對較弱。這反映了這些領域具有更強的專業(yè)特色，其推理方法難以直接應用到其他領域。

這個發(fā)現(xiàn)對于實際應用具有重要意義。它表明，如果要開發(fā)一個通用的金融AI助手，應該優(yōu)先整合那些具有更強遷移能力的推理框架，同時為專業(yè)性更強的領域保留專門的分析模塊。

**六、效率與質(zhì)量的雙重提升**

除了準確性的顯著提升，F(xiàn)inCoT還帶來了效率方面的巨大改進。傳統(tǒng)的結(jié)構(gòu)化推理方法往往會產(chǎn)生冗長的輸出，就像是一個話癆的分析師，說了很多話但重點不突出。相比之下，F(xiàn)inCoT產(chǎn)生的回答更加簡潔明了，平均輸出長度比傳統(tǒng)方法減少了約8倍。

這種效率提升不僅僅是表面的字數(shù)減少，更重要的是回答質(zhì)量的提升。研究團隊發(fā)現(xiàn)，使用FinCoT的AI模型能夠更直接地抓住問題的核心，避免不必要的冗余信息。這就像是一個經(jīng)驗豐富的專家，能夠用最少的話說清楚最復雜的問題。

從實際應用的角度來看，這種效率提升具有重要的經(jīng)濟價值。在商業(yè)環(huán)境中，AI模型的計算成本往往與輸出長度直接相關。FinCoT通過提供更簡潔精準的回答，能夠顯著降低AI服務的運營成本，同時提高用戶體驗。

研究團隊還通過專門的可解釋性評估發(fā)現(xiàn)，F(xiàn)inCoT產(chǎn)生的推理過程更加貼近專業(yè)金融分析師的思維模式。這種一致性不僅提高了結(jié)果的可信度，也使得AI的決策過程更容易被人類專家理解和驗證。

**七、技術創(chuàng)新的深層價值**

FinCoT的技術創(chuàng)新不僅僅體現(xiàn)在性能提升上，更重要的是它為AI在專業(yè)領域的應用提供了一個全新的思路。傳統(tǒng)的AI優(yōu)化方法通常依賴于大量的訓練數(shù)據(jù)和復雜的模型調(diào)整，就像是通過反復練習來提高技能。而FinCoT則采用了一種更加直接的方法，通過植入專業(yè)知識來指導AI的推理過程。

這種方法的優(yōu)勢在于它不需要重新訓練模型，只需要在輸入中添加專業(yè)的推理指導即可。這就像是給AI配備了一個專業(yè)顧問，隨時提供領域?qū)I(yè)知識的指導。這種設計使得FinCoT具有很強的實用性和可推廣性。

研究團隊使用的Mermaid圖表技術也是一個巧妙的創(chuàng)新。這種技術既保持了專業(yè)知識的結(jié)構(gòu)化特征，又確保了AI模型能夠準確理解和執(zhí)行。圖表中的每個步驟都對應著真實的專業(yè)分析流程，形成了從理論到實踐的無縫連接。

更重要的是，F(xiàn)inCoT的設計理念可以輕松擴展到其他專業(yè)領域。無論是法律分析、醫(yī)學診斷還是工程設計，都可以采用類似的方法來構(gòu)建專業(yè)的推理框架。這為AI在各個專業(yè)領域的深度應用開辟了新的道路。

**八、實際應用的廣闊前景**

FinCoT的成功為金融行業(yè)的AI應用帶來了激動人心的可能性。在投資銀行，AI助手可以像經(jīng)驗豐富的分析師一樣進行公司估值和行業(yè)分析。在商業(yè)銀行，AI可以協(xié)助信貸審批和風險評估。在資產(chǎn)管理公司，AI可以支持投資組合構(gòu)建和風險管理。

對于金融教育領域，F(xiàn)inCoT也具有重要價值。它可以作為一個智能導師，幫助學生學習專業(yè)的金融分析方法。通過觀察AI的推理過程，學生可以更好地理解專業(yè)分析的邏輯和步驟。

從監(jiān)管合規(guī)的角度來看，F(xiàn)inCoT的可解釋性特征也非常有價值。在金融行業(yè)，所有的分析和決策都需要有清晰的邏輯依據(jù)。FinCoT能夠提供透明的推理過程，使得AI的決策能夠接受監(jiān)管部門的審查和驗證。

研究團隊還指出，F(xiàn)inCoT的成功證明了專業(yè)知識在AI應用中的重要價值。這提醒我們，真正有效的AI系統(tǒng)不僅需要強大的計算能力，更需要深度的領域?qū)I(yè)知識。這種結(jié)合為AI的發(fā)展指明了一個重要方向。

**九、挑戰(zhàn)與改進空間**

盡管FinCoT取得了顯著成功，研究團隊也誠實地指出了當前方法存在的一些局限性。首先，專業(yè)藍圖的構(gòu)建目前仍然需要大量的人工參與，每個領域的藍圖開發(fā)大約需要2小時的專家時間。這就像是手工制作精美的工藝品，質(zhì)量很高但效率相對較低。

其次，當前的實驗主要集中在選擇題格式的問題上，對于開放式的金融分析任務，F(xiàn)inCoT的表現(xiàn)還需要進一步驗證?，F(xiàn)實中的金融分析往往涉及更復雜的情境和更靈活的推理需求。

此外，可解釋性的評估目前主要依賴于量化指標，而非真實的人類專家評價。雖然這些指標能夠提供客觀的衡量標準，但可能無法完全反映專業(yè)人士對AI推理質(zhì)量的真實感受。

研究團隊已經(jīng)在考慮這些問題的解決方案。他們正在探索自動化的藍圖生成方法，希望能夠利用AI技術來加速專業(yè)知識的提取和結(jié)構(gòu)化過程。同時，他們也計劃將研究擴展到更復雜的金融分析任務，并引入更多的人類專家評估。

**十、未來發(fā)展的無限可能**

FinCoT的成功只是一個開始，它為AI在專業(yè)領域的應用開辟了廣闊的發(fā)展空間。研究團隊設想，未來的版本可能會集成檢索增強技術，使AI能夠動態(tài)地獲取最新的市場信息和專業(yè)知識。這就像是給AI配備了一個實時更新的專業(yè)圖書館。

另一個令人興奮的發(fā)展方向是多模態(tài)融合。未來的FinCoT可能不僅能夠處理文本信息，還能夠分析圖表、財務報表甚至市場交易數(shù)據(jù)。這將使AI的分析能力更加全面和深入。

跨語言和跨文化的適應也是一個重要的發(fā)展方向。不同國家和地區(qū)的金融市場具有不同的特點和規(guī)則，F(xiàn)uture的FinCoT需要能夠適應這些差異，為全球的金融專業(yè)人士提供支持。

研究團隊還特別強調(diào)了負責任AI發(fā)展的重要性。他們認為，隨著AI在金融領域應用的深入，確保AI決策的公平性、透明性和可靠性變得越來越重要。FinCoT的可解釋性特征為這個目標提供了良好的基礎。

說到底，SCB 10X團隊的這項研究為我們展示了一個激動人心的未來圖景。在這個未來中，AI不再是一個簡單的計算工具，而是具備了專業(yè)知識和推理能力的智能伙伴。它們能夠像人類專家一樣思考和分析，但同時保持了機器的精確性和效率。

這種技術進步對普通投資者也具有重要意義。未來，我們可能都能夠享受到專業(yè)級別的金融分析服務，無論是個人理財規(guī)劃還是投資決策，都能夠得到更加專業(yè)和可靠的支持。

當然，這種變化也提醒我們需要保持理性的態(tài)度。AI雖然能夠提供強大的分析支持，但金融決策的最終責任仍然在于人類。我們需要學會正確地使用這些工具，既要發(fā)揮它們的優(yōu)勢，也要認識到它們的局限性。

研究團隊的工作證明了一個重要觀點：真正有價值的AI創(chuàng)新不是簡單地追求更大的模型或更多的數(shù)據(jù)，而是要深入理解專業(yè)領域的需求，將人類的智慧和經(jīng)驗有效地傳遞給機器。這種人機結(jié)合的方式可能是AI發(fā)展的最佳路徑。

對于那些對技術細節(jié)感興趣的讀者，可以通過arXiv:2506.16123v1獲取完整的研究論文，深入了解FinCoT的技術實現(xiàn)和實驗細節(jié)。這項研究不僅為金融AI的發(fā)展提供了新的思路，也為其他專業(yè)領域的AI應用提供了有價值的參考。

Q&A

Q1：FinCoT是什么？它和普通的AI有什么區(qū)別？ A：FinCoT是一種讓AI按照金融專家思維方式進行推理的新方法。與普通AI不同，它為AI提供了專門的金融推理框架，就像給AI配備了一個金融專家導師，確保AI在分析金融問題時能夠遵循專業(yè)的邏輯和步驟，而不是隨意推理。

Q2：FinCoT會不會取代金融分析師的工作？ A：目前不會完全取代，但會大大改變金融分析的工作方式。FinCoT更像是一個強大的分析助手，能夠幫助專業(yè)人士提高工作效率和分析質(zhì)量。最終的投資決策和復雜判斷仍然需要人類專家的經(jīng)驗和智慧，特別是在處理突發(fā)事件和復雜市場環(huán)境時。

Q3：普通投資者能使用FinCoT技術嗎？有什么實際好處？ A：雖然FinCoT目前主要應用于專業(yè)場景，但未來很可能會集成到面向普通用戶的金融服務中。這意味著普通投資者也能獲得專業(yè)級別的分析支持，比如更準確的投資建議、更清晰的風險評估等，幫助做出更明智的理財決策。