炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
创新驱动发展，监管如何与时俱进。
伴随近期陆续有投资者向以DeepSeek为代表的大模型寻求股票基金投资建议，新的问题衍生出现：通用大模型是否应纳入证券投资咨询牌照监管。
该话题具有讨论空间，是因为一方面当前已有不少投资者开始利用DeepSeek等通用大模型提供的投资建议来买卖股票或基金，可能构成证券投资咨询活动；另一方面，当前大模型为通用大模型，并非金融领域的专用模型，主要具备“工具”属性，技术中立或可成为不纳入证券投顾牌照监管的理由。
券商中国记者采访多名券商人士发现，既有观点称“应统一监管”，也有的认为不宜“一刀切”管理。
展望未来，监管部门在AI投顾业态中扮演怎样的角色，如何探索出新的治理路径，值得持续关注。
争议是否纳入投顾牌照监管
今年春节以来，陆续有年轻投资者向DeepSeek-R1、豆包请求推荐股票、基金等证券投资建议。对此，有证券从业人员向券商中国记者提出困惑，AI大模型在提供股票投资建议时，是否应该持有投顾牌照。
券商中国记者注意到，在豆包APP平台上，不同入口获取的证券投资咨询结果呈现出显著的监管差异。当券商中国记者向豆包要求推荐股票，豆包会给出多个具体的股票建议，包括仓位和买入价位。当券商中国记者向华泰证券在豆包APP上线的股票智能体“华泰股市助手”提出相同问题后，遭遇“碰壁”，其表示不能给出直接的买卖建议，但会提供资金面、技术面等信息供分析决策。
同一APP上出现截然不同的咨询结果反映出不同入口背后主体的属性差异。华泰证券作为持牌金融机构，受到监管规定约束。但在用户需求角度看，豆包的直接荐股建议可能更有吸引力。
那么，以DeepSeek、豆包为代表的大模型是否应该纳入证券投资咨询牌照监管，受到业内关注。
部分受访的券商人士认为应纳入投顾牌照监管。华福证券有关负责人认为，尽管目前AI大模型荐股荐基建议尚未商业化，但这些建议已对投资者决策产生影响，纳入监管能够确保AI大模型提供的投资建议具备专业性和合规性，有效避免误导投资者。国信证券相关人士也认为应该与现有监管保持一致，要对客户的适当性进行校验，给予投资建议对市场交易价格产生的冲击要进行统一监控。
不过，也有券商人士认为要多方面考虑该问题，不应“一刀切”。银河证券财富管理首席投资官、产品中心总经理张嘉为表示，仅从AI技术本身来看，这些AI工具更多具备的是“模型”和“工具”的属性，在不商业化的前提下，投资者在自主使用的过程中，无需纳入投资咨询牌照监管的必要性。“但是，如果有机构依据这类模型搭建商业化模式并给出具体的投资建议，或者未来荐股行为实现商业化，就属于投资咨询行为，理应纳入投资咨询牌照监管。”
国泰君安相关人士也有相似观点。他表示，以DeepSeek为例的通用模型平台主要以数学、物理、常识等问题进行训练，并非以金融投资问题训练，模型在证券行业中的应用能力是“模型泛化”的成果之一。“如果对这些平台做‘一刀切’管理，从某种角度上来说反而会限制模型能力的进一步发挥，对模型的进化提升存在潜在的负面影响。”
在该人士看来，金融服务的风险传导机制决定监管应聚焦“行为实质”而非“技术形态”，比如以专业服务平台为代表的智能投顾平台、以证券机构为主体在智能体平台建立的对客Agent智能体就需要纳入投顾牌照监管，因为这些平台达到输出投资建议的三个标准：具有明确指向性，比如提供个股或者基金代码；形成持续性服务，而非用户单次测试；产生实质影响，用户会据此交易。
技术中立能否豁免合规责任
除了主体属性存在争议外，在合规性方面，DeepSeek等通用大模型平台提供投资建议背后的底层数据、算法模型、生成的投资逻辑和相应结论等是否应该纳入监管、技术中立能否豁免合规责任等话题，也存在讨论空间。
比如，近期屡有出现“数据污染”的消息。有用户反应，DeepSeek在推荐基金时，抓取的信息来源包括某基金产品的广告投放。又如，“AI幻觉”问题，即模型生成与事实不符、逻辑断裂或脱离上下文的内容。在Vectara HHEM人工智能幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率，远超行业平均水平。
对此，有部分券商人士认为，AI大模型对用户而言，仅仅是多了一个参考信息的来源；并且用户输入不同的提示词后也会产生差异较大的分析结果。从此角度看，AI技术是中性的，提供最终结论的选择与判断仍取决于用户本人。
也有券商人士持不同意见，认为AI输出的内容合规可信非常重要。前述国信证券相关人士表示，思维链输出的交互形态，潜意识引导了用户的认知，让用户更加容易认同分析的结果，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，金融数据容易被错误引用，对于原始信息的真实性无法求证，生成的内容容易被搜索结果误导等问题，因此需要相关监管部门加强该领域的监管。”
中信建投证券人士表示，目前AI直接用于投资咨询存在技术风险，算法模型和资产配置逻辑存在不稳定、不可靠等风险。
华福证券负责人建议，监管可考虑要求平台披露算法逻辑和风险提示，能够让投资者更清楚地了解投资建议的依据和风险，从而维护金融市场的稳定和公平。
东莞证券相关人士表示，在智能投顾业务监管方面，一是建议加大智能投顾监管沙盒试点，加快智能投顾业务属性与准入管理具体规范制定；二是鉴于我国资本市场个人投资者占比较大的情况，AI的发展应用应参考当下的高频量化交易的监管策略，将智能投顾相关策略依据市场结构、流动性和价格发现产生方式进行分类研究，既不可“一概而论”也不能“听之任之”。
不必忧虑趋同性风险
此外，有市场观点称，伴随AI荐股未来的广泛应用，可能会引发投资者的群体性操作，导致市场波动。多名受访人士认为，“趋同性”风险确有可能存在，但概率不大。
上述华福证券人士认为，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投资系统，当市场出现某些特定信号时，大量基于相同算法的投资决策有可能同时发生。因此需要谨慎看到AI在投研与投资咨询领域的运用。
“防范上，我们可以通过监管引导机构在算法设计上增加差异化，鼓励机构结合自身的研究优势、数据特色来优化算法。同时，加强投资者教育也至关重要，引导投资者理性看待AI投资建议，不盲目跟风，从而降低因算法趋同带来的市场波动风险。”该名华福证券人士表示。
张嘉为称，趋同性的出现取决于三方面是否发生共振：一是具体应用场景和应用模式，二是底层数据来源范围，三是客户提问的提示词。但实际展业中，三者共振导致“趋同性”的概率不大。因为持牌金融机构通常多方面提升策略多样性、交易分散性、模型多样化协同、业务技术深度融合及风控预警。同时，各家机构拥有不同的客户数据、投顾数据、资讯数据等，数据库一致性的概率不大，再者，客户千人千面，提问的提示词高度重复的概率也不大。
平安证券经纪业务事业部相关负责人以量化交易的策略发展为例，称这是类似一个循环的过程：发现策略、获利、失效、再挖掘新的策略。“在技术升级的初期阶段，可能会出现‘羊群效应’，比如大家用的模型、数据源或者训练方法都差不多，短期内引发趋同交易，但这也可能导致策略收益下降甚至亏损，进而推动市场从同质化走向差异化。”
发表评论