AI 投研智能体的红线：从研究辅助到替你决策、替你下单，边界在哪里

核心判断

AI 投研真正的分水岭，不在于模型是不是“智能体”，也不在于页面上有没有一句“仅供参考”，而在于它实际上替用户做了什么。

从现行中国证券监管框架、算法治理规则，以及美国、欧盟的最新监管实践看，可以把风险大致理解为一条不断升级的权限链：

信息检索与研究整理 → 形成研究判断 → 面向具体用户给出证券投资建议 → 代替用户决定 → 接入账户、调动资金或执行订单。

越往右，越接近传统证券投资咨询、投资顾问、资产管理或证券交易执行的监管核心。中国《证券法》明确要求，从事证券投资咨询服务业务须经证券监管机构核准；同时，证券投资咨询机构及从业人员不得“代理委托人从事证券投资”。 中国证监会法规数据库同时显示，《证券投资顾问业务暂行规定（2020年10月修订）》截至本次检索标注为“现行有效”。

因此，本文的中心判断是：

AI 可以降低研究成本，但不能天然降低金融责任。真正可持续的产品设计，不是让模型越来越像一个“替你炒股的人”，而是把数据来源、模型错误、建议边界、外部权限和最终决策权显式拆开。

这一判断也与海外监管方向一致。欧盟证券和市场管理局 ESMA 明确表示，投资机构即便使用 AI 支持投资建议和投资组合管理，原有 MiFID II 的组织、行为以及客户最佳利益义务仍然适用；FINRA 2026 年再次强调，机构要对对外沟通负责，“无论内容由人还是 AI 生成”。

需要先说明一个重要边界：本文讨论的是产品与监管风险，不是对任何具体产品是否构成“证券投资咨询业务”的法律定性。 是否落入持牌业务，要结合实际服务对象、收费模式、个性化程度、输出内容和执行权限判断，而不能仅凭产品自称“研究工具”或页面上的免责声明得出结论。上述属于本文依据现行规则作出的合规分析。

AI 投研的诱惑与风险：最危险的不是“AI”，而是责任错位

AI 进入投研的吸引力十分直接：它可以把行情、公告、财报、新闻、研究文档和用户问题放到一个自然语言界面里，把原来需要多个终端、搜索引擎和表格完成的工作压缩成连续对话。传统自动化投顾同样具有低成本、低门槛和规模化服务的潜力。美国 SEC 的投资者教育材料指出，robo-adviser 通常通过问卷收集投资目标、期限、资产和风险承受能力，再自动形成并管理投资组合；自动化工具的潜在优势包括成本低、使用方便和覆盖面广。

但“自动化”同时会制造一种很容易被忽视的心理错觉：界面越流畅，用户越容易把“系统给出了答案”误认为“系统知道答案”。

监管机构已经把这种依赖风险单独列出。ESMA 在针对投资服务中使用 AI 的监管指引中点名四类风险，包括算法偏差和数据质量问题、决策过程不透明、机构和客户对 AI 的过度依赖，以及隐私和安全风险。

自动化投顾本身还有一个更传统、却非常关键的限制：它只能根据自己问过并获得的数据理解客户。 SEC 的 robo-adviser 投资者公告明确提醒，一些自动投顾只会收集有限的客户信息，因此其推荐也受到输入信息范围的限制；例如，它是否了解投资者的高息负债、其他账户、房地产、退休资产以及财务目标，会直接影响适当性判断。

生成式 AI 又在这一基础上多加了一层风险：它不仅可能“没问到”，还可能把不知道的事情说得像知道一样。

这也是为什么，一个 AI 投研产品从“帮你找资料”走向“告诉你应该买什么”，风险不是线性增加，而是发生了性质变化。研究摘要即使出错，用户还有机会在决策前复核；一旦同一错误直接被转译成具体买卖指令，甚至再由系统自动执行，原本的信息质量风险就会变成账户和资金风险。

监管案例已经显示，金融机构不能把责任推给“软件”。

北京证监局在 2026 年 5 月对和讯信息科技有限公司采取责令改正并暂停新增客户六个月的措施。监管发现的问题不仅包括部分无投顾资格人员提供投资建议、在公众媒体作出具体证券买入、卖出或持有建议以及部分建议缺乏合理依据，还特别提到其“金投顾”软件：未向投资者揭示软件固有缺陷和使用风险、未说明数据信息来源；软件具有选择证券品种、提示买卖时机的功能，却未说明方法和局限。

这起案例尤其值得 AI 投研行业注意，因为它说明监管关心的并非软件背后究竟是传统量化算法还是大模型，而是：软件在投资者决策链条里扮演了什么角色、依据是什么、局限有没有说清楚、谁对此负责。 这是本文根据监管事实所作的归纳。

类似问题并非孤例。2026 年 7 月，湖北证监局对一家证券分公司出具警示函，其中包括员工未签署投顾服务协议就向客户提供投资建议，以及营销存在误导性宣传；同日另一份监管决定则认定，一名未登记成为证券投资顾问的经纪人向客户提供投资建议并违规收受客户财物。

监管也已经直接把“AI”作为非法证券活动可能使用的包装方式。新疆证监局在 2025 年世界投资者周活动中明确提示，对以“金融网红”“智能投顾”“AI技术”等为噱头的非法证券业务和非法荐股提高警惕。

需要区分的是：非法荐股、AI washing、诈骗，与真正意义上的“大模型幻觉导致投资损失”不是同一回事。

本次检索中，暂无公开证据能够建立一条由监管机构或主流权威报道完整确认的因果链，即“某主流 AI 投研产品发生某次模型幻觉 → 用户据此交易 → 可核实的证券投资损失直接由该幻觉造成”。因此本文不会把诈骗案例或夸大营销案例包装成“幻觉致损案例”。

但围绕 AI 营销本身，执法已经很具体。美国 SEC 2024 年处罚 Delphia 和 Global Predictions，两家公司因对 AI 使用情况作虚假或误导性陈述而和解，合计支付 40 万美元民事罚款；Global Predictions 曾虚假宣称自己是“首个受监管的 AI 财务顾问”等。 同年，SEC 对 Rimar Capital 相关主体采取行动，认定其把一个投资顾问项目虚假描述为拥有 AI 驱动的证券交易平台，并对管理规模、投资回报等作出误导性陈述；监管文件称相关主体曾从 45 名投资者筹集接近 400 万美元。

这些案例证明的是AI 能力宣传和收益宣传的真实性责任，而不是模型幻觉造成损失；二者不能混为一谈。

技术性风险：幻觉只是第一层，时效、偏差和“自动化偏信”更难发现

生成式 AI 在金融场景中的核心技术风险，可以分成四层：事实错误、时效错误、数据偏差和用户过度信任。

幻觉可以非常“专业地错”

Kang 和 Liu 的金融大模型研究《Deficiency of Large Language Models in Finance: An Empirical Examination of Hallucination》专门测试了金融缩写、金融术语和历史股价查询等任务。作者发现，通用 LLM 在金融任务中会出现明显事实性幻觉和过时信息，并测试了 RAG、外部工具调用等缓解方法。论文举例指出，模型可能给出已经过时的股票代码对应关系。

但这篇研究本身也应谨慎解读：它是一篇 arXiv 预印本，测试任务有限，作者自己明确指出，其实验不能覆盖现实金融场景的全部任务，缓解方法也具有任务特异性。因此它能够证明“金融任务中存在幻觉且外部数据工具可以改善事实性”，却不能证明任何具体商业产品的真实错误率。

这一区分很重要。对一个实时行情系统来说，“模型回答不准”和“数据源已经过期”可能在用户端表现得完全一样，但工程责任并不相同。

金融数据的“正确”还必须包含时间维度

金融研究尤其容易被“时间穿越”污染。例如，用今天修正后的财务数据去回测三年前的策略，会让模型看起来比真实交易时更聪明；用昨日收盘价回答“现在价格是多少”，数值本身也许曾经正确，但在当前语境中已经是错误答案。

中国《互联网信息服务算法推荐管理规定》要求算法推荐服务提供者定期审核、评估和验证算法机制、模型、数据以及应用结果；规定同时要求算法服务遵循公开透明、科学合理和诚实信用等原则。

这也是为什么“数据截止时间”应当成为金融 AI 输出的一等字段，而不是藏在脚注里。

以 Bastix／大斑目前公开页面为例，其数据文档给行情快照标注 fresh / stale / unknown 状态，并明确说明更新时间受数据源、交易时段和可用性影响；财务数据区分“报告期”和“数据可见日”，部分字段采用 point-in-time 口径，以降低使用未来披露数据回看历史的风险。

这类设计值得肯定，但它只能降低时效错误风险，不能消灭错误。其数据页同样写明，不对所有标的、全部历史区间或实时性作完整承诺，且数据许可范围、公开延迟和缺失修订机制仍有尚未完成责任人确认的部分。

RAG、联网和“事实核查”也不是免错机制

研究表明，让模型从外部资料检索，或者让它通过工具调用查询最新数据，通常可以显著改善事实性；但这并不等于系统从此“不会幻觉”。

原因很简单：检索可能漏掉最关键资料，网页可能已经过期，数据接口可能延迟，模型也可能错误解释正确的数据。

Bastix 已上线的 v1.0.1 提供了一个“回复事实核查”入口：用户手动触发后，系统对照本轮实际调用的数据来源，检查回复中的数字和论断，并将无法找到依据或与来源矛盾的内容标记为“存疑”；其公开说明同时明确，核查结果是辅助复核，并“不构成最终结论”。

这里必须严格区分“可以确认的事实”和“宣传性概括”。

本次检索没有在 Bastix 当前公开页面中找到逐字写明“模型可能出错”这一句，因此对这一确切表述：暂无公开证据。 可以确认的是，产品通过“存疑”机制、要求进一步确认、声明核查不构成最终结论，以及标记数据 stale/unknown 等方式，在产品机制上承认模型与数据结果需要人工复核。

这比直接把“绝不出错”写进宣传语要克制，但也意味着投资者不能把“有事实核查按钮”误解为“事实已经得到保证”。

合规红线：研究、投资建议与交易执行不是一回事

中国现行规则最值得 AI 投研团队记住的，并不是某一条专门针对“大模型”的新规，而是：AI 没有获得一套脱离证券法的特殊豁免。

证券投资咨询首先是一项受监管业务

《证券法》第一百六十条规定，从事证券投资咨询服务业务，应当经国务院证券监督管理机构核准；未经核准，不得为证券交易及相关活动提供服务。

证监会法规数据库显示，《证券投资顾问业务暂行规定（2020年10月修订）》目前标注为“现行有效”。 相关规则要求投资顾问提供投资建议时提示潜在投资风险，并禁止向客户承诺或保证投资收益；对证券投资顾问业务推广和客户招揽，也禁止虚假、不实、误导性营销及收益保证。

因此，“我们用了 AI”不能回答“我们是否在从事投资咨询”这个问题。

更准确的问法应该是：这个系统是否面向客户提供具体证券投资建议？是否结合具体客户条件形成个性化判断？是否收取与此相关的服务费用？谁承担适当性、合理依据、风险揭示和留痕责任？

这些才是监管边界中的实质问题。

“不构成投资建议”不是万能护身符

免责声明当然重要，但从现行法规结构和监管案例可以推导出：实际提供的服务内容不能仅靠页面底部的一句免责声明重新命名。

例如，北京证监局对和讯的措施直接审查了人员实际输出、软件功能、建议依据、数据来源、方法局限和营销行为，而不仅仅审查产品怎么自我描述。

因此，本文的合规判断是：

如果一个产品持续面向具体客户输出具体证券的买入、卖出、持有建议，其法律属性需要按实际业务分析；不能仅凭“AI 生成”“仅供研究”“不构成投资建议”等文字，就当然排除证券投资咨询监管。

这是根据现行法规和执法事实作出的法律风险分析，而不是对任何具体 AI 产品是否违规的认定。

“自动下单”是另一条更清晰的权限红线

《证券法》第一百六十一条明确规定，证券投资咨询机构及其从业人员不得“代理委托人从事证券投资”，也不得与委托人约定分享投资收益或分担投资损失。

这里也不能过度解释成“任何算法自动交易都违法”。持牌证券公司、资管机构等在其他监管框架下可以提供相应交易或资产管理服务。

真正值得警惕的是：一个原本定位为研究或投资咨询的 AI 产品，一旦开始连接客户券商账户、获得交易权限、替用户决定和执行证券买卖，其业务性质和风险责任会发生重大变化。 对没有相应业务许可和控制体系的主体尤其如此。该结论是依据证券咨询与交易职能的法定边界作出的风险判断。

从投资者保护角度看，权限分层可以概括如下：

算法治理不会替代金融监管，而是叠加一层责任

《互联网信息服务算法推荐管理规定》覆盖生成合成、个性化推送、排序精选、检索过滤和调度决策等算法技术；要求相关服务提供者建立算法机制审核、科技伦理、数据安全、个人信息保护、安全评估等制度，并定期审核验证模型、数据和应用结果。

换句话说，即使一个金融 AI 完成了算法备案、算法透明度或数据治理要求，也不能据此推出它获得了证券投资咨询许可。二者解决的是不同层面的监管问题。这个结论来自两套法规适用对象和许可要求的并列比较。

还需要注意一项尚未生效的新规则。

八部门于 2026 年 4 月公布《金融产品网络营销管理办法》，其中把“投资顾问或咨询”纳入金融产品范围，并禁止网络营销使用虚假、误导内容、未经核实的数据，以及明示或暗示投顾服务保本、承诺收益、限定损失或预测未来业绩等行为；同时规定金融机构不能因委托第三方平台而免除自身责任。

但根据官方原文，该办法自 2026 年 9 月 30 日起施行；截至本文检索日 2026 年 8 月 15 日，它尚未生效。因此不能把它写成今天已经执行的现行处罚依据，只能作为即将生效的监管方向。

同样，证监会 2026 年立法工作计划将《证券基金投资顾问业务管理办法》列入“需要抓紧研究、择机出台”的项目，并计划配合修订《证券、期货投资咨询管理暂行办法》。这说明新的统一投顾制度仍在演进中，不能把尚未出台的规则当成已生效法律。

负责任设计应该长什么样：Bastix 的克制之处，以及仍需审视的地方

按照用户要求，本文只讨论 Bastix／大斑已经公开、已经上线并能够从官方页面核实的能力，不推演未来功能。

首先要把它放在正确类别里：本文将 Bastix 作为投研／研究智能体讨论，而不是自动交易机器人。

其官网目前把产品描述为面向交易研究与决策的智能体工作台，公开能力包括对话式研究、市场信息查询、策略仓位管理和持续任务管理；同一页面明确写明，内置能力“不连接券商、不接管资金，也不代替用户下真实订单”。

2026 年 7 月首次公开版本的更新记录显示，已经上线的能力包括沙箱策略仓位、长程任务、市场数据查询、智能体协作和私有知识库。官方特别说明，所谓“策略仓位”只是沙箱内的目标仓位、当前仓位和变更历史，不等同于券商账户持仓或真实成交。

其策略仓位文档把边界写得更明确：策略账本不连接券商账户、不读取真实持仓，也不会产生证券订单或真实成交；盈亏或风险计算如果引用这些策略仓位，也属于研究口径，而非真实账户结果。

这正是研究智能体与交易智能体之间最重要的一道工程隔离：

模型可以维护研究状态，但不能把研究状态误装成真实资金状态。

Bastix 在 v1.0.9 又进一步限制了无人值守任务的权限：定时持续任务只做“研究、观察与整理”，不再自行发起对外动作；需要外部执行的动作回到主会话、由用户在场时进行，并明确持续任务不用于直接交易。

这一设计符合一种值得推广的原则：自动化程度可以提高，但外部权限不必同步提高。

例如，公开上线的“信息雷达”能够定时扫描公告和资讯，对信息进行重大性、确定性、时效和影响范围等整理，并标记可能受影响的个股和板块；但官方页面同时明确，它只进行信息研判和只读广播，不替用户下单，也不调仓。

按照本文采用的边界，不把这类研究性信息整理描述成“荐股服务”。但也必须提醒：在法律上，某一输出究竟是否已经构成证券投资建议，不能只根据产品给自己的标签判断，而应结合实际内容、用户对象、收费关系和业务流程分析。对此，本文不对 Bastix 作证券投资咨询业务定性。

Bastix 当前的另一项正面边界，是不承诺收益。其“边界与原则”页面明确写明“不接管资金、不承诺收益”，并提示用户对“稳赚”“保证胜率”等表述保持警惕。 这与现行证券投顾规则禁止承诺或保证投资收益的方向一致。

但是，把 Bastix 作为“克制型”案例，并不意味着它不存在值得追问的治理缺口。

其官方“边界与原则”页面自己列出了已知限制：外部模型供应商的完整训练、日志、评估和人工质检边界尚未确认；系统也尚未承诺存在覆盖所有动作的统一审计链。

策略仓位页面还有一个值得特别注意的细节：当前代码没有覆盖所有写操作的统一人工确认闸门。不过根据同一页面，这些写操作发生在沙箱策略账本内，并非券商账户和真实订单。因此这目前是研究状态治理问题，而不是自动交易权限问题。

此外，Bastix 的事实核查能力本身也是模型生成的辅助复核结果，官方明确说它“不构成最终结论”。

关于用户提出的“明示模型可能出错”这一项，应按证据边界表述：

暂无公开证据证明 Bastix 当前公开页面逐字写有“模型可能出错”这一声明。可以确认的是，它公开承认核查结果可能需要进一步确认、数据可能处于 stale/unknown 状态、数据可用性受数据源影响，并列出了外部模型治理和审计链尚未完成的限制。

还有一个不能回避的问题是资质。

Bastix 官方页面显示产品由“苏州大斑人工智能科技有限责任公司”运营。 本次针对该主体名称在证监会、中国证券业协会、中国证券投资基金业协会及公开互联网进行了定向检索，未找到可以可靠核实其证券投资咨询业务核准身份的公开记录，因此写作“暂无公开证据”。这一结果不等于证明该公司“没有任何资质”，也不意味着研究工具必然需要证券投资咨询牌照；是否需要相关许可仍取决于其实际业务是否构成受监管的证券投资咨询服务。中国《证券法》关于证券投资咨询的核准要求仍是判断基准。

这恰恰说明，“克制型 AI 投研”的理想状态并非一句“不下单”就完成了，而应当同时具备：

交易权限隔离、数据时点说明、来源可追踪、模型错误可复核、适当的风险提示、营销边界、责任主体和审计留痕。

海外监管正在沿着同样逻辑推进。FINRA 2026 年明确表示，AI 生成的对外沟通仍由机构承担责任，并提出机构应建立与业务匹配的监督体系，对生成式 AI 工具进行测试、验证、持续监控，并处理幻觉、数据保护等风险。 ESMA 也强调，在投资建议和投资组合管理中使用 AI 不会削弱原有客户利益义务。

给读者的核验清单：面对“AI 炒股”产品，先问这些问题

对于普通投资者，比判断一个模型到底有多少参数更重要的，是判断谁掌握行动权、谁承担责任、答案从哪里来。

特别值得记住的是：“AI 一键炒股”并不是一个法律概念。

它可能指合法持牌机构的自动化投资服务，也可能只是研究工具的营销措辞，还可能是没有资质的荐股、诈骗或虚构 AI 能力。因此，不能因为宣传中出现“自动化”就认定违法，也不能因为出现“AI”就认为技术本身提供了安全保证。SEC 和中国监管案例都表明，应回到资质、真实功能、宣传真实性和用户资金权限来判断。

结论：最值得信任的投研智能体，应该知道什么时候不能替人行动

投资研究和投资执行之间看起来只隔着一个按钮，但对 AI 系统而言，这个按钮背后其实隔着完全不同的责任结构。

研究工具的主要问题是：信息是否可靠、是否及时、能不能核验。

投资建议服务还必须进一步回答：依据是否合理、是否符合客户情况、谁有资格提供、风险有没有充分揭示。

而一旦进入真实交易，则还要面对：账户授权、交易权限、资金安全、适当性、指令归属、异常交易处理以及损失责任。

中国现行《证券法》已经给出了这条边界的基本骨架：证券投资咨询需要核准，投资咨询机构不得代理委托人从事证券投资。 《证券投资顾问业务暂行规定》则把风险提示、建议规范、营销宣传和收益承诺等责任进一步具体化。 算法推荐规定又从模型、数据、透明度和算法治理侧增加了一层要求。

国际监管的方向并没有因为生成式 AI 而反转。ESMA 的原则是：用了 AI，投资机构原有的客户最佳利益和 MiFID II 义务仍在；FINRA 的原则是：由 AI 生成，不意味着机构不负责。

Bastix 当前公开产品设计中，不连接券商、不接管资金、不代用户下真实订单，策略仓位与真实账户隔离，定时任务限制在研究、观察和整理层，把外部动作交回主会话和用户本人，属于较为典型的“权限克制”思路。 它同时公开不承诺收益，并提供来源核查和数据新鲜度信息。

但负责任的评价不能止于正面边界：其官方材料同时披露外部模型治理责任尚有未确认部分、尚无覆盖所有动作的统一审计链，策略沙箱也没有覆盖所有写操作的统一人工确认闸门。 对“模型可能出错”的逐字公开声明以及运营主体的证券投资咨询业务核准情况，本次检索均不能得到足够可靠证据，因此分别应写作：暂无公开证据。

真正成熟的 AI 投研产品，竞争力未必在于“能替用户做多少事”。

在金融这个错误可以直接转换成金钱损失的行业，另一种更重要的能力是：系统能否清楚地知道，哪些事只能研究、哪些结论必须核验，以及哪一步必须把权力交还给人。

延伸阅读

• AI 炒股软件靠谱吗：把本文的"红线"落到一份可核验的判断清单——面对"AI 炒股"类产品，先问哪些问题、哪些承诺不能信。

参考来源

1. 关于对和讯信息科技有限公司采取责令改正及责令暂停新增客户行政监管措施的决定
   北京证监局 · 2026-05-22 · 支撑：软件未揭示缺陷、来源与方法局限 · 访问日期：2026-08-16
2. 关于对财达证券股份有限公司湖北分公司采取出具警示函行政监管措施的决定
   湖北证监局 · 2026-07-08 · 支撑：未签协议提供投资建议、误导营销 · 访问日期：2026-08-16
3. 关于对边卫国采取出具警示函行政监管措施的决定
   湖北证监局 · 2026-07-08 · 支撑：未登记投顾提供建议并违规收财物 · 访问日期：2026-08-16
4. 警惕场外个股期权交易风险
   厦门证监局 · 2026-05-11 · 支撑：保证收益类话术属高风险信号 · 访问日期：2026-08-16
5. 新疆证监局积极推进"2025年世界投资者周"活动
   新疆证监局 · 2025-10-22 · 支撑：AI 噱头非法荐股风险提示 · 访问日期：2026-08-16
6. 关于对北京格隆汇投资顾问有限公司采取监管谈话行政监管措施的决定
   北京证监局 · 2026-04-30 · 支撑：投顾机构展业受监管谈话 · 访问日期：2026-08-16
7. SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence
   U.S. SEC · 2024-03-18 · 支撑：AI 虚假陈述处罚 40 万美元 · 访问日期：2026-08-16
8. SEC Charges Rimar Capital Entities and Owner Itai Liptz for Defrauding Investors by Making False and Misleading Statements About Use of Artificial Intelligence
   U.S. SEC · 2024-10-11 · 支撑：虚构 AI 交易平台欺诈投资者 · 访问日期：2026-08-16
9. 面向交易研究与决策的智能体工作台
   Bastix / 大斑 · 支撑：不连券商、不接管资金、不下单 · 访问日期：2026-08-16
10. 边界与原则
    Bastix / 大斑 · 支撑：不接管资金不承诺收益；边界待确认 · 访问日期：2026-08-16
11. 策略仓位管理
    Bastix / 大斑 · 支撑：策略仓位不连券商、非真实成交 · 访问日期：2026-08-16
12. v1.0.9 · 信息雷达 · 实时语音对话 · 期货投研方法论
    Bastix / 大斑 · 支撑：持续任务只研究观察、不直接交易 · 访问日期：2026-08-16
13. v1.0.1 · 回复核查 · 主动通知 · 视频媒体解析
    Bastix / 大斑 · 支撑：回复事实核查不构成最终结论 · 访问日期：2026-08-16
14. 数据源
    Bastix / 大斑 · 支撑：行情快照标注 fresh/stale/unknown · 访问日期：2026-08-16
15. 互联网信息服务算法推荐管理规定
    国家互联网信息办公室等 · 2022-03-01 · 支撑：定期审核验证算法模型与数据 · 访问日期：2026-08-16
16. 证券投资顾问业务暂行规定（2020年10月修订）
    中国证监会 · 支撑：现行有效；禁承诺收益、须风险提示 · 访问日期：2026-08-16
17. 中华人民共和国证券法
    全国人大常委会 · 支撑：投顾须核准、不得代理委托人投资 · 访问日期：2026-08-16
18. 从事证券投资咨询服务业务核准——行政许可事项服务指南
    中国证监会 · 支撑：证券投资咨询业务核准要求 · 访问日期：2026-08-16
19. 中国证监会印发2026年度立法工作计划
    中国证监会 · 2026-04-10 · 支撑：投顾业务办法列入立法计划 · 访问日期：2026-08-16
20. 金融产品网络营销管理办法
    中国人民银行等八部门 · 2026-04-24 · 支撑：禁保本承诺收益；9-30 起施行 · 访问日期：2026-08-16
21. Investor Bulletin: Robo-Advisers
    U.S. SEC · 2017-02-23 · 支撑：机器投顾信息有限影响适当性 · 访问日期：2026-08-16
22. Investor Alert: Automated Investment Tools
    U.S. SEC & FINRA · 2015-05-08 · 支撑：自动化投资工具优势与局限 · 访问日期：2026-08-16
23. ESMA provides guidance to firms using artificial intelligence in investment services
    ESMA · 2024-05-30 · 支撑：用 AI 仍受 MiFID II 义务约束 · 访问日期：2026-08-16
24. Regulatory Notice 26-14
    FINRA · 2026-01-01 · 支撑：AI 生成对外沟通机构仍负责 · 访问日期：2026-08-16
25. Observations on AI Agents
    FINRA · 2026-01-27 · 支撑：关注 AI agent 权限与第三方风险 · 访问日期：2026-08-16
26. Deficiency of Large Language Models in Finance: An Empirical Examination of Hallucination
    arXiv（Haoqiang Kang, Xiao-Yang Liu） · 2023-11-27 · 支撑：金融 LLM 幻觉与过时信息；预印本 · 访问日期：2026-08-16