這項由泰國SCBX集團(tuán)旗下SCB 10X團(tuán)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(yù)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(jìn)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(fù)雜的謎題，需要遵循特定的步驟和邏輯。過去，當(dāng)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(xùn)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(tuán)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(jìn)行推理的方法。

研究團(tuán)隊發(fā)現(xiàn)，目前金融領(lǐng)域的AI應(yīng)用主要存在三種提問方式。第一種是標(biāo)準(zhǔn)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(dǎo)。第二種是無結(jié)構(gòu)的思維鏈提問，相當(dāng)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(yīng)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(lǐng)域的應(yīng)用也存在明顯缺陷。研究團(tuán)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(shè)計的，就像讓一個從未下過廚的人來設(shè)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(tuán)隊首先對現(xiàn)有的金融AI提問方法進(jìn)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(biāo)準(zhǔn)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(xué)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?yàn)锳I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(xì)思考這個問題"，相當(dāng)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(xùn)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(wù)狀況，然后評估市場環(huán)境，最后得出結(jié)論"。這種方法確實(shí)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(shè)計的，而非專門針對金融領(lǐng)域的專業(yè)需求。

研究團(tuán)隊通過大量實(shí)驗(yàn)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(diǎn)和百分比，或者在估值過程中忽略重要的驗(yàn)證步驟。這就好比讓一個初學(xué)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(dǎo)，但缺乏對專業(yè)細(xì)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(tuán)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(dǎo)框架。這就像是把一位經(jīng)驗(yàn)豐富的金融分析師的思維過程"復(fù)制"到AI的大腦中。

FinCoT的獨(dú)特之處在于它使用了一種叫做Mermaid圖表的技術(shù)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(biāo)示出了專家在處理不同類型金融問題時應(yīng)該遵循的步驟和邏輯。比如，在進(jìn)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(yàn)證結(jié)果的合理性。

研究團(tuán)隊花費(fèi)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(lǐng)域，然后通過AI工具從權(quán)威來源收集相關(guān)的專家策略和最佳實(shí)踐。這個過程就像是編寫一部金融分析的百科全書，每個領(lǐng)域都有詳細(xì)的操作指南。

收集到的知識經(jīng)過了嚴(yán)格的驗(yàn)證和整合過程。研究團(tuán)隊邀請了具有金融背景的專家對這些知識進(jìn)行審核，確保其準(zhǔn)確性和實(shí)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(yàn)豐富的分析師的工作方法標(biāo)準(zhǔn)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(yīng)用。當(dāng)AI遇到金融問題時，相應(yīng)的圖表就像是一個詳細(xì)的作業(yè)指導(dǎo)書，告訴AI應(yīng)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(lǐng)域的專業(yè)藍(lán)圖**

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

經(jīng)濟(jì)學(xué)分析藍(lán)圖就像是宏觀經(jīng)濟(jì)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(jì)的供需問題，還是宏觀經(jīng)濟(jì)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(yàn)證邏輯一致性。

固定收益分析藍(lán)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(dǎo)AI從投資目標(biāo)設(shè)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(lán)圖模擬了股票分析師的工作流程。它從投資目標(biāo)確定開始，然后分析市場和行業(yè)環(huán)境，進(jìn)行行業(yè)競爭分析，審查具體公司情況，運(yùn)用估值方法，最后做出投資決策。

定量方法藍(lán)圖專門處理金融數(shù)學(xué)和統(tǒng)計分析問題。它強(qiáng)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(shè)檢驗(yàn)，以及結(jié)果的解釋和溝通。

組合管理藍(lán)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(biāo)設(shè)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(lán)圖專門處理期權(quán)、期貨等復(fù)雜金融工具的定價和風(fēng)險管理問題。它特別強(qiáng)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(yīng)用以及希臘字母風(fēng)險指標(biāo)的計算。

財務(wù)報告分析藍(lán)圖指導(dǎo)AI如何像財務(wù)分析師一樣解讀公司財務(wù)報表，從目標(biāo)設(shè)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(wù)健康評估。

另類投資藍(lán)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(qiáng)調(diào)了盡職調(diào)查、估值挑戰(zhàn)和流動性風(fēng)險的評估。

公司發(fā)行人分析藍(lán)圖專注于企業(yè)信用分析，從行業(yè)分類到財務(wù)分析，從信用風(fēng)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(shí)驗(yàn)驗(yàn)證：讓數(shù)據(jù)說話**

為了驗(yàn)證FinCoT的有效性，研究團(tuán)隊設(shè)計了一系列嚴(yán)格的對比實(shí)驗(yàn)。他們選擇了1032道CFA考試風(fēng)格的問題作為測試基準(zhǔn)，這些問題涵蓋了十個金融領(lǐng)域的各個方面，就像是為AI準(zhǔn)備的一次全面的專業(yè)資格考試。

實(shí)驗(yàn)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(lǐng)域優(yōu)化的模型如Fin-R1。這種多模型驗(yàn)證就像是讓不同背景的學(xué)生參加同一場考試，可以更全面地評估方法的普適性。

實(shí)驗(yàn)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(zhǔn)確率從63.2%大幅提升至80.5%，提升幅度達(dá)到17.3個百分點(diǎn)。這種提升就像是將一個剛及格的學(xué)生培養(yǎng)成了優(yōu)秀學(xué)生。即使對于已經(jīng)經(jīng)過金融專業(yè)訓(xùn)練的Fin-R1模型，F(xiàn)inCoT仍然能夠帶來1.26個百分點(diǎn)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(fù)雜的數(shù)學(xué)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(xì)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(tuán)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(xùn)練過程中可能已經(jīng)學(xué)會了一些結(jié)構(gòu)化推理的技巧，但仍然缺乏專業(yè)領(lǐng)域的深度知識。

**五、跨領(lǐng)域的智慧遷移**

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

結(jié)果顯示，某些領(lǐng)域的推理框架確實(shí)具有更強(qiáng)的通用性。定量方法、股權(quán)投資和另類投資的藍(lán)圖在其他領(lǐng)域也能帶來顯著的性能提升。這就像是數(shù)學(xué)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(lǐng)域如公司發(fā)行人分析和經(jīng)濟(jì)學(xué)分析的藍(lán)圖，在其他領(lǐng)域的適用性相對較弱。這反映了這些領(lǐng)域具有更強(qiáng)的專業(yè)特色，其推理方法難以直接應(yīng)用到其他領(lǐng)域。

這個發(fā)現(xiàn)對于實(shí)際應(yīng)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(yīng)該優(yōu)先整合那些具有更強(qiáng)遷移能力的推理框架，同時為專業(yè)性更強(qiáng)的領(lǐng)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(zhǔn)確性的顯著提升，F(xiàn)inCoT還帶來了效率方面的巨大改進(jìn)。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(diǎn)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?jǐn)?shù)減少，更重要的是回答質(zhì)量的提升。研究團(tuán)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(yàn)豐富的專家，能夠用最少的話說清楚最復(fù)雜的問題。

從實(shí)際應(yīng)用的角度來看，這種效率提升具有重要的經(jīng)濟(jì)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(guān)。FinCoT通過提供更簡潔精準(zhǔn)的回答，能夠顯著降低AI服務(wù)的運(yùn)營成本，同時提高用戶體驗(yàn)。

研究團(tuán)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(yàn)證。

**七、技術(shù)創(chuàng)新的深層價值**

FinCoT的技術(shù)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(lǐng)域的應(yīng)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(xùn)練數(shù)據(jù)和復(fù)雜的模型調(diào)整，就像是通過反復(fù)練習(xí)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(dǎo)AI的推理過程。

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

研究團(tuán)隊使用的Mermaid圖表技術(shù)也是一個巧妙的創(chuàng)新。這種技術(shù)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(zhǔn)確理解和執(zhí)行。圖表中的每個步驟都對應(yīng)著真實(shí)的專業(yè)分析流程，形成了從理論到實(shí)踐的無縫連接。

更重要的是，F(xiàn)inCoT的設(shè)計理念可以輕松擴(kuò)展到其他專業(yè)領(lǐng)域。無論是法律分析、醫(yī)學(xué)診斷還是工程設(shè)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(lǐng)域的深度應(yīng)用開辟了新的道路。

**八、實(shí)際應(yīng)用的廣闊前景**

FinCoT的成功為金融行業(yè)的AI應(yīng)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(yàn)豐富的分析師一樣進(jìn)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(fēng)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(fēng)險管理。

對于金融教育領(lǐng)域，F(xiàn)inCoT也具有重要價值。它可以作為一個智能導(dǎo)師，幫助學(xué)生學(xué)習(xí)專業(yè)的金融分析方法。通過觀察AI的推理過程，學(xué)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(yàn)證。

研究團(tuán)隊還指出，F(xiàn)inCoT的成功證明了專業(yè)知識在AI應(yīng)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(qiáng)大的計算能力，更需要深度的領(lǐng)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(jìn)空間**

盡管FinCoT取得了顯著成功，研究團(tuán)隊也誠實(shí)地指出了當(dāng)前方法存在的一些局限性。首先，專業(yè)藍(lán)圖的構(gòu)建目前仍然需要大量的人工參與，每個領(lǐng)域的藍(lán)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(dāng)前的實(shí)驗(yàn)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(wù)，F(xiàn)inCoT的表現(xiàn)還需要進(jìn)一步驗(yàn)證?，F(xiàn)實(shí)中的金融分析往往涉及更復(fù)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(biāo)，而非真實(shí)的人類專家評價。雖然這些指標(biāo)能夠提供客觀的衡量標(biāo)準(zhǔn)，但可能無法完全反映專業(yè)人士對AI推理質(zhì)量的真實(shí)感受。

研究團(tuán)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(lán)圖生成方法，希望能夠利用AI技術(shù)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(kuò)展到更復(fù)雜的金融分析任務(wù)，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(lǐng)域的應(yīng)用開辟了廣闊的發(fā)展空間。研究團(tuán)隊設(shè)想，未來的版本可能會集成檢索增強(qiáng)技術(shù)，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(shí)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(wù)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(yīng)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(diǎn)和規(guī)則，F(xiàn)uture的FinCoT需要能夠適應(yīng)這些差異，為全球的金融專業(yè)人士提供支持。

研究團(tuán)隊還特別強(qiáng)調(diào)了負(fù)責(zé)任AI發(fā)展的重要性。他們認(rèn)為，隨著AI在金融領(lǐng)域應(yīng)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(biāo)提供了良好的基礎(chǔ)。

說到底，SCB 10X團(tuán)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(jī)器的精確性和效率。

這種技術(shù)進(jìn)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(wù)，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(dāng)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(qiáng)大的分析支持，但金融決策的最終責(zé)任仍然在于人類。我們需要學(xué)會正確地使用這些工具，既要發(fā)揮它們的優(yōu)勢，也要認(rèn)識到它們的局限性。

研究團(tuán)隊的工作證明了一個重要觀點(diǎn)：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(lǐng)域的需求，將人類的智慧和經(jīng)驗(yàn)有效地傳遞給機(jī)器。這種人機(jī)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(shù)細(xì)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(shù)實(shí)現(xiàn)和實(shí)驗(yàn)細(xì)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(lǐng)域的AI應(yīng)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(jìn)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(dǎo)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(qiáng)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(fù)雜判斷仍然需要人類專家的經(jīng)驗(yàn)和智慧，特別是在處理突發(fā)事件和復(fù)雜市場環(huán)境時。

Q3：普通投資者能使用FinCoT技術(shù)嗎？有什么實(shí)際好處？ A：雖然FinCoT目前主要應(yīng)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(wù)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(zhǔn)確的投資建議、更清晰的風(fēng)險評估等，幫助做出更明智的理財決策。