AI处理金融新闻与公告：从信息过载到事件研判、市场反应与产品落地

执行摘要

金融市场面对的核心问题已经不再是“信息不够”，而是公开信息到达速度越来越快、载体越来越异构，而真正有价值的判断仍要求把文本转换为实体、事件、时间、方向、影响范围和不确定性。会计与金融研究将这种摩擦概括为“信息披露处理成本”；美国证券交易委员会（SEC）推动 XBRL、Inline XBRL 等结构化披露的一个重要理由，也正是降低提取、筛选、比较和分析成本。换言之，AI在金融新闻与公告中的第一价值，并不是“预测股价”，而是压缩从“文件出现”到“可验证事件对象形成”的时间。(Blankespoor, deHaan & Marinovic, 2020；SEC：The Lessons of Structured Data)

一套成熟的金融信息AI系统并非一个“大模型读新闻”的单点应用，而是一个多阶段流水线：官方源和新闻源采集 → 结构化解析/OCR → 实体识别与证券映射 → 文档级事件抽取 → 情感与立场判定 → 因果语句/事件驱动关系识别 → 发布时间与市场时间轴对齐 → 置信度校准 → 去重、聚合和影响排序 → 实时分发。其中，结构化数据应优先于OCR；“公司名称识别”必须进一步映射到证券代码、母子公司和产业链关系；“正面/负面”必须区分“文本语气”和“对某个证券的潜在影响”；“因果抽取”也不能冒充真正的计量因果推断。(SEC EDGAR APIs；Doc2EDAG；FinCausal 2020)

实证文献支持一个相对克制、但重要的结论：新闻内容和机器新闻分析确实与价格、成交量和波动率的调整过程有关，但“有统计关系”不等于“可以稳定套利”。 von Beschwitz、Keim 和 Massa 对 RavenPack 历史版本的研究尤其关键：利用不同版本新闻分析算法对同一新闻相关性的错误分类形成识别策略，他们发现机器新闻分析使股价和成交量更快响应；错误信号能够造成小规模短暂价格扭曲，但市场很快纠正。这是一项比普通“情绪—收益相关性”更强的因果证据，同时也直接说明了自动化误报为何可能成为市场风险源。(Review of Asset Pricing Studies；Federal Reserve working-paper version)

中文市场还有额外难点：金融语义具有明显的语言和领域特异性。Du、Huang、Wermers 和 Wu 使用约310万篇中文金融新闻构建领域情绪词典，发现其收益关联测试优于直接翻译既有英文金融词典；同时，政治性正面词的收益信息含量与其他正面词不同。这个结果意味着，把英文金融情绪模型、通用中文模型或“利好/利空词表”直接移植到A股，是一个容易产生系统性误判的做法。(Review of Finance, 2022)

对本文重点核验的 Bastix（大斑AI）“官方信息雷达”，截至本报告访问日，官方更新日志可以确认：该功能已上线，并被描述为交易日从盘前至盘后按计划无人值守运行，自动扫描最新公告与行业信息，对信息进行重要性、确定性、时效性、影响广度等维度评分，判断正负方向、解释理由，并识别潜在影响股票和板块、标记推断置信度。与此同时，官方明确限定它是信息研判而非交易执行：不下单、不调仓；Bastix整体也公开声明不连接券商、不托管资金、不发起真实订单，且不构成投资或交易建议、不承诺收益。(Bastix v1.0.9；产品原则；官网)

但同样重要的是，目前没有发现 Bastix 公开披露、经独立第三方复核的准确率、误报率、召回率、端到端延迟分位数，或以真实历史信息集进行的标准化盲测结果。其产品数据文档本身也披露了一些仍待完善的边界，例如数据与法务责任人复核尚未完成，数据许可范围、公开延迟以及部分缺失/修订机制仍有待进一步责任确认。因此，现阶段更适合把“信息雷达”理解为一种AI辅助的信息筛选与事件判断层，而不是已经被公开证据证明能够产生投资超额收益的系统。(Bastix 数据说明；产品原则)

最终的实践判断是：金融信息AI真正值得追求的指标，不应只是“摘要像不像研究员写的”，而应转向一组可审计指标——源覆盖率、事件级Precision/Recall、实体映射准确率、重要事件漏报率、误报率、置信度校准、修订公告处理率、源到告警的P50/P95/P99延迟，以及每项判断能否回溯到原文证据。监管层面，则应维持“信息研判—投资建议—交易执行”三个层级的明确边界；一旦系统从研判升级为自动生成并执行订单，其适用的程序化交易、投资咨询、风控与审计义务都会明显提高。中国证监会现行《证券市场程序化交易管理规定（试行）》已于2024年10月8日起实施，而证券投资咨询活动本身也存在资质和禁止承诺收益等监管要求。(中国证监会：程序化交易规定；证监会关于非法荐股的风险提示)

信息过载问题

金融市场的信息过载至少包含四种不同问题，不能简单等同于“新闻太多”。

第一是来源过载。同一公司可能同时产生交易所公告、公司官网新闻稿、监管文件、业绩说明会材料、媒体快讯、记者报道和产业链上下游信息。一条原始公告又可能被数十家媒体重复转述。对于机器而言，“看到了几十条信息”远远不等于“看到了几十个独立事件”。这也是为什么生产级系统首先需要做源级优先级、转载聚类和事件去重，而不是直接把所有文本送入大模型。Bastix早期“资讯雷达”公开材料即称其覆盖12类行业主题、108个公开信息来源；其v1.0.8又增加了对重复媒体报道的聚合去重，只保留较完整摘要并提示其他报道数量。需要强调，这属于降噪机制，而不是误报率已经得到验证的证据。(Bastix v1.0.7；Bastix v1.0.8)

第二是格式过载。理想情况下，财务数字应来自机器可读字段而不是从PDF截图中OCR。SEC的EDGAR系统已经通过API提供公司申报和XBRL数据，Inline XBRL把人类可读文档与机器可读标签结合起来；SEC也明确认为结构化数据降低了提取、过滤、比较和分析披露信息的成本。因而在工程上，正确的原则通常是“structured first，OCR fallback”：能使用JSON、XBRL、HTML表格字段，就不应该首先OCR整份PDF。(SEC EDGAR APIs；SEC Inline XBRL；SEC：The Lessons of Structured Data)

第三是认知过载。一份公告的市场意义往往不在标题，而在“本期相对预期、历史版本和市场共识究竟变了什么”。例如，“收入同比增长”在文本层面是正面描述，但若显著低于此前指引或市场预期，对价格未必构成正向事件。因此，情绪分类和投资影响分类必须分开；一个成熟系统应至少保留“文本语气”“事实事件”“相对基准变化”“推断影响方向”几个独立字段，而不是生成一个黑箱式“利好分数”。中文领域研究已经表明，即使仅讨论情绪词义，语言和金融领域差异也足以明显影响与收益的关联结果。(Du et al., 2022)

第四是时间过载。金融事件至少有“事件发生时间”“原始文件发布时间”“抓取时间”“解析完成时间”“模型完成时间”“用户收到时间”和“市场可交易时间”七种可能不同的时间。如果模型使用修订后的财务数据，却把它回填到原始发布日期，就会制造典型的未来函数或“look-ahead bias”。Bastix自己的数据说明特别披露了部分财务指标提供“数据可见日”以控制时点问题，同时也承认部分来源无法提供point-in-time版本，只能使用最终修订值；这正是金融AI评价时必须审查的细节。(Bastix 数据说明)

更根本的一点是，AI生成的摘要和判断不能取代法定原始披露。中国证监会《上市公司信息披露管理办法》要求信息披露义务人及时依法披露，信息应真实、准确、完整、简明清晰、通俗易懂，并不得包含虚假记载、误导性陈述或者重大遗漏。AI平台属于这一原始披露之后的二次加工层，因此产品设计上应始终保留跳转原文、原文时间戳和修订状态。(中国证监会：《上市公司信息披露管理办法》)

AI如何做新闻与公告研判

下面这张图可以概括一套更可靠的金融信息AI架构。值得注意的是，大语言模型只是中间若干模块之一，而不是整个系统。

flowchart LR
    A[官方公告/交易所/监管文件] --> B[源采集与时间戳]
    A2[通讯社/财经媒体/产业信息] --> B
    B --> C{是否已有结构化数据?}
    C -->|是| D[XBRL/JSON/HTML字段解析]
    C -->|否| E[PDF/OCR/版面与表格解析]
    D --> F[实体识别与证券代码映射]
    E --> F
    F --> G[事件抽取]
    G --> H[情感/立场/影响方向分类]
    G --> I[因果语句与事件驱动关系识别]
    H --> J[跨源去重与时序对齐]
    I --> J
    J --> K[置信度校准与不确定性估计]
    K --> L{重要性高且置信度足够?}
    L -->|是| M[实时告警/研究工作台]
    L -->|否| N[降级展示/人工复核/暂缓判断]
    M --> O[原文证据与审计链]

数据源采集。 第一原则应是“官方源优先、新闻源补充、转载源降权”。A股场景的原始信息入口包括交易所披露页面及巨潮资讯等法定/官方披露平台；美国市场则可以直接使用EDGAR及其API。系统还需要保存来源域名、源级可信度、原始发布时间、抓取时间、版本号和文档hash，否则无法在公告撤回、补充或更正时重建当时的信息集。(上交所上市公司公告；巨潮资讯；SEC EDGAR APIs)

OCR与结构化。 对扫描件、图片型PDF、复杂合并表格，现代文档处理系统通常会同时做文本识别、版面区域检测、表格结构恢复和阅读顺序判断。例如PaddleOCR的文档结构流水线明确涵盖版面分析、表格识别以及从复杂PDF/图片向Markdown或JSON等结构形式的转换。但在金融系统中，OCR结果必须被视为“带不确定性的观测”，特别是小数点、负号、百分号、货币单位和表格跨列错误，因为一个字符误差就可能改变事件方向。(PaddleOCR 3.0 Technical Report)

实体识别与实体链接。 普通NER回答“文本里提到了哪个公司”，金融实体链接则必须回答“究竟是哪一个可交易证券、哪个子公司、哪个产品以及哪条产业链”。同一主体可能具有中文简称、英文名、旧名称和证券简称；“苹果”甚至可能是公司也可能是商品。只有实体链接之后，才能可靠地把事件绑定到证券代码和历史行情。对于中文金融公告，Doc2EDAG等研究已经将文档级事件抽取直接应用于真实中文金融公告，而不是把任务限制在单句实体识别。(Zheng et al., Doc2EDAG, EMNLP-IJCNLP 2019)

事件抽取。 生产系统需要把“公司拟以15亿元收购某资产”转换成类似 事件类型=并购；主体=A；标的=B；金额=15亿元；状态=拟议；生效条件=待审批 的结构对象。文档级抽取尤其重要，因为金额可能在表格，交易对象在第一页，审批条件却在附件中。一个优秀摘要模型如果没有稳定的事件schema，很难实现去重、历史比较、回测和审计。Doc2EDAG之所以具有代表性，正因为它针对中文金融公告做文档级、多实体事件抽取。(Doc2EDAG)

情感与立场分类。 通用“积极/消极”模型并不足以处理金融语言。FinBERT研究的出发点就是金融语义高度专业、标注数据稀缺；其领域适配模型在相关金融情感数据集上优于对比模型。而中文研究进一步说明，仅仅把英文金融词典翻译成中文也会损失信息。更稳妥的schema应把“作者语气”“公司管理层立场”“事件客观方向”“对目标证券的潜在影响”拆开。(FinBERT；Du et al., 2022)

这也是早期领域词典研究仍值得引用的原因。Loughran与McDonald对10-K文本的经典研究指出，通用英语“负面词”词典在财务语境里会产生大量误分类；这项研究发表于2011年，超过本文优先的近十年窗口，但仍是金融NLP领域最重要的基础性证据之一。(Loughran & McDonald, 2011；LM Financial Sentiment Dictionaries)

因果/事件驱动识别。 这里必须特别避免概念偷换。NLP模型可以识别“因为需求下降，公司下调指引”这样的因果语句；FinCausal共享任务就把“是否存在因果关系”和“提取因果片段”设计为明确任务。但这并不能证明“需求下降在经济学意义上造成了股价下跌”。前者是文本因果关系抽取，后者则需要事件研究、自然实验、工具变量等识别设计。FinCausal某些参赛系统在特定盲测任务上能够取得很高F1，但这些结果只能说明其在该数据集上的文本抽取性能，绝不能外推成“生产系统判断市场因果关系有95%以上准确率”。(FinCausal 2020；FinCausal参赛系统示例)

时序对齐。 实时市场系统应以event time为核心，而不能只记录服务器处理时间。Apache Flink的流处理模型专门以watermark解决乱序事件：watermark实质上表示系统认为早于某时间戳的事件原则上已经到达。金融场景还要增加交易日历、盘前/盘中/盘后、停牌、跨市场时区、更正公告和新闻首次发布时间。更高的乱序容忍度通常意味着更多等待，也就是更高延迟，因此“最及时”和“最完整”本身存在工程权衡。(Apache Flink：Event Time and Watermarks)

置信度与不确定性。 模型输出“概率0.92”并不意味着现实中有92%的同类判断正确。现代神经网络存在概率校准问题，Guo等人的经典研究显示temperature scaling等后处理方法可以改善校准。因此金融雷达不宜只展示“高/中/低置信度”视觉标签，而应定期验证：预测为0.8的一组事件，长期来看究竟有多少真正属于目标类别。(Guo et al., 2017, ICML/PMLR)

实践中甚至应该存在拒答区间：例如“事件抽取置信度高，但影响方向置信度低”，系统应推送事实而不强行贴“利好/利空”标签；而“重要性高、方向不确定”的信息反而最值得升级到人工复核。这比要求模型每条新闻都给结论更符合高风险系统的治理逻辑。该建议与概率校准研究以及金融新闻分析错误能够短暂影响市场的实证结果是一致的。(Guo et al., 2017；von Beschwitz et al., 2020)

实时流处理与延迟。 “模型推理10毫秒”不是系统延迟。端到端延迟至少应拆成：

源发布 → 发现/抓取 → 下载 → 解析/OCR → 实体和事件推断 → 聚类去重 → 置信度/规则检查 → 消息队列 → 用户终端

任何一段都可能成为瓶颈。Flink等流式基础设施提供状态化流计算、事件时间和迟到数据处理能力，适合维护“这个事件是否已经出现”“是否出现更正版本”等状态；但金融产品真正有意义的性能指标应该是源发布时间到最终可见告警的P50/P95/P99，而不是单独公布LLM token速度。(Apache Flink)

这也解释了机器可读新闻为什么长期存在机构需求。历史研究记录，RavenPack当时的处理结果可在极短时间内电子分发，使算法交易者能够早于人类阅读完整新闻作出反应；不过该历史技术指标对应研究中的旧版本和特定数据通道，不能当作2026年任何产品的通用延迟承诺。(von Beschwitz et al., Federal Reserve)

实证：新闻情绪与股价、交易量究竟有什么关系

实证研究最容易被市场营销误读。这里必须区分四类完全不同的问题：

相关性：新闻情绪和同期价格是否一起变化？

预测性：今天的新闻情绪是否能预测之后的收益？

因果性：市场变化是新闻分析工具本身造成的，还是因为新闻事实本来就会推动市场？

可交易性：即使存在预测性，加入信息到达延迟、买卖价差、冲击成本、做空约束和模型衰减之后，是否还有经济利润？

目前最有说服力的文献并没有支持“读新闻即可稳定赚钱”这种强结论，而是显示信息加工速度会改变价格发现路径，语言模型可以提高某些文本信号的解释能力，但误判、交易摩擦和市场自我适应会显著削弱从统计结果到真实收益的跃迁。

其中第一篇尤其值得展开。作者并不是简单回归“正面新闻→股票涨”。他们利用RavenPack不同版本对“某篇文章究竟与某家公司有多相关”的历史分类差异，识别旧版算法的误差，再比较工具正式进入市场前后。研究发现，在RavenPack上线后的样本中，正确被标为高度相关的新闻，其股价反应和成交量有更大比例集中在最初数秒；而算法产生的某些错误高相关信号，则出现短暂过度反应后修正。(Federal Reserve paper)

这给2026年的生成式AI一个非常现实的警示：模型越快，错误传播的经济成本也可能越快兑现。“过几分钟人会发现模型错了”并不能完全消除风险，因为算法交易和高频市场的价格调整可能发生在秒级窗口。反过来，这篇论文也表明市场并非完全脆弱：研究中的错误价格扭曲很快被纠正。但“很快纠正”对于已经在错误方向成交的人并非没有成本。(von Beschwitz et al., 2020)

中文研究则说明另一个问题：**新闻情绪模型不存在天然的全球通用版本。**Du等人不仅发现中文金融领域词典相较直接翻译方案更有效，还发现政治性正面词的收益关联更弱、不同媒体来源的语言风格和信息含量存在差异。因此在A股环境中，训练集来源、媒体类型和文本制度环境本身应成为模型特征，而不是被视为噪声。(Du et al., 2022)

近年的大语言模型研究给出了更积极、但也更需要谨慎解释的结果。Lopez-Lira与Tang的《Can ChatGPT Forecast Stock Price Movements?》报告称，大模型对新闻标题的判断能够预测样本外日收益，而且信号在小盘股及负面新闻上更明显；但该研究长期以arXiv预印本形式持续更新版本，因此不宜把其中某一版本的历史组合回报直接视为可复制的实盘表现。它更适合作为“LLM能够从新闻语言中提取传统情感工具遗漏信息”的研究证据，而不是投资收益承诺。(arXiv:2304.07619)

因此，现有证据支持的是以下较窄结论：

新闻NLP可以改善信息分类和价格发现速度；新闻情绪、异常性和相关性具有可测市场信息含量；但从“文本预测能力”到“稳定可交易alpha”之间，仍隔着延迟、交易成本、容量、模型更新、样本选择、做空限制和市场适应等多层摩擦。

把一个情感分类F1、事件抽取F1或回测相关系数直接包装成“AI能预测股价”，在方法论上都是不成立的。

落地案例：Bastix“信息雷达”与其他已报道产品

先明确本文对Bastix的核验边界。

截至访问日，Bastix官网和产品更新日志可以确认其首个公开版本于2026年7月上线；v1.0.9更新日志进一步披露“官方信息雷达”已经上线。官方描述称，该雷达在交易日从盘前到盘后按计划运行，扫描最新公告和全行业信息，对信息按重要性、确定性、时效性、影响广度评分，判断正负方向并说明理由，同时识别受影响股票与板块并标记推断置信度；它被定位为共享的只读信息播报能力，用户不需要自行配置。(Bastix 首次公开版本；Bastix v1.0.9)

其较早的v1.0.7“资讯雷达”页面披露了更具体的来源覆盖口径：12个行业主题、108个公开信息来源，并允许Agent查询这些信息；当时页面称每日更新3次。v1.0.8进一步增加行业、来源、时间和关键词筛选，以及对多家媒体重复报道的去重聚合。这些历史版本信息有助于理解产品演进，但不能假设v1.0.9仍完全采用同一刷新频率或同一源列表；v1.0.9的逐条源清单和端到端实时延迟暂无公开证据。(v1.0.7；v1.0.8；v1.0.9)

更重要的是产品边界。Bastix官方原则页面及官网明确称，其内置能力定位于研究和决策辅助，不连接券商、不托管资金、不发起真实订单；v1.0.9还明确说官方信息雷达“只做信息判断”，不下单、不调仓，持续任务不用于直接交易。其公开说明亦不构成投资或交易推荐，并明确不承诺投资收益。本文因此不会将Bastix描述为自动交易系统、智能投顾或“无人值守炒股”产品。(Bastix 官网；产品原则；v1.0.9)

同时应保留批评性核验。Bastix数据页披露其覆盖A股、ETF、指数行情，以及公告、财务等数据；还描述了定时采集、统一校验、幂等、重试和完整性跟踪机制，并为部分行情提供fresh/stale/unknown状态。但同一文档也承认，数据与法务责任人复核仍有未完成项目，数据授权范围、公开延迟以及部分缺失/修订责任边界尚未全部确认。因此这些信息应被理解为厂商主动披露的产品状态和限制，而非独立审计结果。(Bastix 数据说明)

截至本报告检索，**暂无公开证据证明Bastix官方信息雷达具有经独立第三方验证的统一准确率、Precision/Recall、误报率、漏报率、端到端P50/P95/P99延迟，或真实资金收益表现。**这不代表指标一定较差，只意味着这些关键数据目前不能作为已验证事实写入报道。因此本文不提供任何未经公开材料核验的“准确率”“收益率”或“领先市场多少秒”等数字。

下表将Bastix与几类国际机器新闻产品放在一起比较。需要先说明：这不是完全同类产品比较。Bastix当前公开形态更接近面向用户的研究/判断工作台；RavenPack、LSEG Machine Readable News和Bloomberg Event-Driven Feed更偏机构级机器可读数据/分析基础设施。将它们放在同一表中，主要是比较“金融信息机器化处理能力层”，而非宣称它们互为直接替代品。

从产品形态看，国际成熟市场的机器新闻服务通常更接近“结构化信号基础设施”：向机构客户提供实体、新闻相关性、事件、情感、novelty和实时API，由客户自己的模型决定怎样使用。Bastix目前公开的“信息雷达”则把更多分析步骤向上封装到了人类可读的“判断+理由+影响范围”层。这使它更接近财经研究者和个人用户的工作流，但也使解释质量、误报控制和置信度校准比单纯的数据feed更重要。

值得肯定的是，Bastix公开边界没有把“无人值守监控”表述成“无人值守交易”：v1.0.9明确将持续任务限制在研究、观察和整理等工作，涉及外部行动需回到用户在场的主对话，且明确称持续任务不用于直接交易。对于高风险金融AI而言，这种架构上的“自动分析—人工决策—执行隔离”通常比让语言模型直接控制订单链条更容易治理。(Bastix v1.0.9)

不过，真正决定一套信息雷达是否进入“可信生产系统”阶段的，并不是功能列表，而是是否愿意公开系统性失败指标。一个值得行业推广的评测表应该至少包括：不同事件类别Precision/Recall、重大事件漏报率、同源转载去重率、实体错链率、数值抽取错误率、置信度校准误差、修订公告检测率，以及源发布至告警的延迟分布。就Bastix而言，这些指标目前仍是暂无公开证据；RavenPack、LSEG和Bloomberg的现行商业产品也普遍没有公开一套足以进行严格横向比较的统一生产准确率数据。

局限与误报风险

准确率的第一个陷阱，是“任务准确率”不等于“市场判断准确率”。 一个模型可以在“并购公告识别”任务上达到很高F1，却仍然无法判断该并购价格是否过高、反垄断是否会阻止交易，或者消息是否已经被市场提前定价。FinCausal的基准结果说明NLP可以相当准确地识别特定格式的因果文本，但这不能被外推为未来股价方向准确率。(FinCausal)

第二个陷阱是误报具有非对称成本。 对普通新闻App而言，把一条不重要的新闻错标为重要，最多造成一次打扰；对连接自动策略的系统而言，同一个误报可能引发价格冲击、滑点和连锁交易。RavenPack历史研究中恰好存在这种自然实验：算法把某些新闻相关性判断错后，市场出现了短暂价格扭曲，随后纠正。因此对金融AI，Precision应针对“高优先级告警”单独报告，而不能被海量容易分类的普通新闻平均掉。(von Beschwitz et al., 2020)

第三个风险是漏报。 在金融环境中，重大漏报有时比普通误报更严重：系统连续正确处理一千条例行公告，却漏掉一次债务违约、监管调查、重大诉讼或业绩预警，表面“99.9%准确率”仍可能毫无意义。因此应按事件严重性加权评价，并单独公布高重要性事件的召回率。当前所比较的商业产品中，本次检索没有发现可公开核验的统一“重大事件漏报率”数据，故均应标为暂无公开证据。

第四个风险是时效性和正确性的冲突。 等待更多来源可以减少误判，却会损失时间优势；第一时间推送单一来源，又可能传播错误或缺少背景。流处理系统可以利用event time、watermark和迟到事件机制管理这个冲突，但不存在零成本方案。金融产品因此最好区分“快讯态”和“确认态”：前者允许低延迟、明确注明尚待确认；后者经过多源或原始文件校验。(Apache Flink event time)

第五个风险是覆盖度幻觉。 “监控100个源”并不等于覆盖全部重要信息。一个独家监管文件或境外子公司当地语言公告可能比一百篇转载更有价值。评测应从“源数量”转向“事件覆盖”：以事后确认的重大事件集合为母集，检查系统第一次从哪个源发现、有没有漏掉、发现延迟多少。Bastix目前公开了历史版本的108个公开来源口径，但v1.0.9的完整源级清单和基于真实重大事件母集的覆盖率均暂无公开证据。(Bastix v1.0.7；v1.0.9)

第六个风险是“单证券方向”忽略组合与对冲。 同一事件可能对产业链上下游方向相反；原油上涨可以对油气生产商有利、对高耗油运输企业不利；汇率变化对出口商和进口商的影响也可能相反。因而“此新闻=利好”不是一个完整金融对象，更合理的输出应是实体→事件→渠道→受影响资产→方向→置信度→时间尺度。这也是为什么实体关系、事件结构和影响范围应该在情绪分数之前。文档级金融事件抽取研究和当前产品对“受影响股票/板块”的显式标记都体现了这一方向。(Doc2EDAG；Bastix v1.0.9)

第七个风险是可解释性不足。 大模型输出一段流畅解释，并不等于解释有证据。生产系统至少应该区分三层：原文事实、模型提取事实、模型推断。诸如“公司公告称产能增加20%”可以链接原文；“这可能缓解供给瓶颈”属于推断；“所以股票应上涨”又是更远一层的市场判断。三者若混成一段文字，用户很难判断模型究竟在哪一步可能出错。中国证监会对上市公司原始信息真实性、准确性和完整性有明确要求，这进一步说明二次AI加工必须保留与原始披露之间的证据链。(中国证监会：《上市公司信息披露管理办法》)

第八个风险是模型置信度失真。 模型可能对错误答案异常自信，因此“显示一个置信度数字”本身并不足够。可靠系统应在滚动真实样本上重新校准，并按事件类别分别检查。例如业绩公告、并购、诉讼、监管处罚和产业新闻的错误分布往往不同，不宜共用一个未经校验的“85分”。概率校准研究已经表明现代神经网络的原始置信度可能失校，后处理校准是必要环节之一。(Guo et al., 2017)

第九个风险来自监管边界。 “自动读新闻”与“自动交易”不是同一风险等级。中国证监会《证券市场程序化交易管理规定（试行）》自2024年10月8日起实施，对程序化交易设置报告、监测和风险管理框架；证券投资咨询活动也存在资质要求，而监管案例明确警示不得以虚假宣传或收益承诺招揽客户。因此，产品从“信息检索/研判”升级为“个性化买卖建议”，或进一步连接真实账户、自动下单时，应重新评估牌照、程序化交易、适当性、系统风控、日志和责任体系，而不能认为只是增加了一个API。(中国证监会：程序化交易规定；非法荐股风险提示；投资咨询机构违规承诺收益案例)

中国证监会同时并未否定AI在资本市场的正当应用。其2024年对全国人大建议的答复明确提到，支持大数据、人工智能等技术在智能舆情分析、风险监测等场景落地，同时强调依法合规、有序创新、风险可控。这实际上给出了一个很清晰的政策方向：金融AI可以积极用于“发现风险和处理信息”，但越接近实际资金决策和自动执行，治理强度应越高。(中国证监会答复)

结论与政策、实践建议

未来三到五年，金融新闻AI最可能创造稳定价值的地方，不是把每一则公告压缩成一句“利好/利空”，而是建立一个比人工更快、比简单关键词更可靠、又比黑箱自动交易更可审计的事件信息层。现有学术证据已经足以说明机器新闻分析能够影响信息进入价格的速度；但同样的证据也显示错误机器信号会造成短暂价格扭曲。因此，行业真正的竞争点应从“谁的AI说得更像分析师”转向“谁能以最低漏报和可控误报，更快地把原始事实变成可追溯的结构事件”。

对产品开发者而言，应坚持“结构化源优先”。 法定公告和财务数据存在JSON、XBRL或HTML字段时，应直接解析；OCR只作为无法避免的fallback，并把OCR置信度一路传递到最终判断，而不是在进入LLM前丢失。所有数字性结论应保留原始单元格或原文位置。SEC在结构化数据上的实践已经证明，机器可读披露能够降低数据提取、筛选和比较成本。(SEC Inline XBRL；SEC structured-data lessons)

第二，应建立事件级而不是文本级评测。 最少应该公开或向专业客户提供：事件Precision、事件Recall、重大事件Recall、实体错链率、方向分类混淆矩阵、OCR数值错误率、重复事件率、公告更正识别率，以及置信度校准曲线。单一“准确率98%”没有足够信息意义，因为类别极不平衡；一个只会正确识别大量例行公告的模型，很容易获得漂亮数字。FinCausal等基准展示了任务级评测的价值，但生产金融系统还必须进一步测量经济重要性。(FinCausal；Guo et al., calibration)

第三，应把延迟作为分布而不是广告语。 建议公开或内部持续监控：

源发布时间 → 首次发现 → 原文获取 → 结构化完成 → 事件判断完成 → 告警送达

并分别报告P50、P95、P99；同时按PDF公告、结构化公告、普通新闻和重大突发事件分组。这样才能分辨瓶颈究竟是抓取、OCR、模型还是消息系统，而不是笼统宣传“毫秒级AI”。流处理理论本身也表明，在乱序完整性与实时性之间存在结构性权衡。(Apache Flink)

第四，应设计“事实—推断—建议”的防火墙。 事实层只陈述有原文支持的内容；推断层明确标注模型推理和置信度；建议层如果涉及具体证券买卖，则应单独评估证券投资咨询和其他适用监管要求。对普通金融信息产品来说，最稳妥的默认状态应是：**可以自动发现、自动整理、自动解释，但不应因为模型自信就自动产生真实交易。**中国现行程序化交易及证券投资咨询监管框架使这个边界具有实际法律和风控意义。(程序化交易规定；非法荐股提示)

第五，对高重要性、低置信度事件应强制human-in-the-loop。 与其让模型在所有情况下都给“确定答案”，不如明确设置拒判机制：高重要性+高置信度可直接发布事实型告警；高重要性+低置信度进入人工快速复核；低重要性信息则批量摘要。RavenPack历史实证说明错误机器信号确实能被快速市场参与者采用，因此越靠近盘中高优先级告警，对误报的容忍度越应该下降。(von Beschwitz et al., 2020)

第六，中文产品需要独立的中文金融评测体系。 不能只用通用中文benchmark，也不能只翻译英文金融情绪数据。测试集应覆盖A股公告、监管处罚、业绩预告、重大合同、并购重组、股份回购、减持、诉讼、行业政策和媒体报道，并按媒体来源和制度语境分层。Du等人的310万篇中文金融新闻研究已经给出直接证据：中文金融情绪具有语言、领域和媒体来源特异性。(Du et al., 2022)

第七，监管和行业可以推动标准化“模型营养标签”。 对面向金融决策的新闻AI，建议要求或鼓励披露：数据源类别、更新时间、训练/评测截止日、模型版本、是否使用修订后数据、重大事件召回率、错误案例类型、置信度含义、人工复核机制、是否产生个性化证券建议、是否连接交易账户，以及哪些指标经过独立第三方验证。中国证监会已经支持AI在智能舆情分析和风险监测等场景应用，同时强调依法合规、有序创新和风险可控；比“一刀切禁止”更合理的方向，是按照信息处理、建议、执行不同风险层级实施差异化治理。(中国证监会答复)

对Bastix而言，一个较为客观的阶段性评价是：**其公开上线的“官方信息雷达”已经跨过了简单“资讯聚合器”阶段，公开功能包含自动扫描、多维重要性判断、影响方向、股票/板块关联和推断置信度，并明确维持“不下单、不连接券商、不荐股、不承诺收益”的产品边界；但从“功能上线”到“经过可复核验证的高可靠金融事件系统”之间仍有明显证据缺口，特别是重大事件Recall、误报率、置信度校准、延迟分布和第三方独立评测目前暂无公开证据。**因此，现阶段最严谨的报道方式既不是把它包装成“AI自动炒股”，也不是因为缺少公开benchmark就否定其信息处理价值，而是把上述可验证能力和仍未公开的数据边界同时写清楚。(Bastix v1.0.9；数据说明；产品原则)

对最终用户而言，最简单的一条原则仍然成立：**把AI信息雷达当作“发现器和压缩器”，而不是事实原件，更不是收益保证书。**真正重要的信息，应回到交易所、监管机构或发行人的原始披露；真正重要的投资决定，则需要在信息之外考虑估值、预期差、组合风险、流动性和自身风险承受能力。中国证监会也持续提醒投资者，在使用AI辅助投资之前仍应自行进行勤勉调查和判断。(中国证监会2025年世界投资者周活动总结)

延伸阅读

• 信息雷达：本文所说的"发现器和压缩器"在 Bastix 的落地形态——无人值守、每个交易日定时研判公告与资讯，只做信息研判、不替任何人下单。