📰 研报摘要
查看全文 ➔本报告对2026年AAAI与ICLR主会及相关金融AI Workshop的代表性论文进行了系统综述。研究发现，金融AI正从单纯调用通用大模型转向“围绕金融约束重构模型”，核心趋势包括：量化交易策略研发强调低延迟与风控约束；因子挖掘引入MCTS、强化学习与结构化表示以提升稳健性；深度学习表征通过多模态、关系图、频域分解等技术拓展信号源；强化学习从静态回测转向压力场景下的分布迁移自适应。此外，金融基础模型与仿真系统开始嵌入市场结构，而针对金融场景的评测基准表明，大模型在长文档推理、专业计算与对抗鲁棒性方面仍存在显著短板。报告结论认为，金融AI应以“模型约束”与“系统化风控”为核心，通过可追溯的推理链、对抗性鲁棒测试及人机协同流程，将通用AI能力转化为可落地的金融投研工具。