从"结论驱动"到"证据链驱动"：财经与科技研究的范式转变

执行摘要

截至 2026 年 8 月 16 日，本报告未发现权威学术文献、金融监管规则或行业标准正式宣布一个统一命名为“证据链驱动研究”的全球性研究范式已经确立；也暂无公开证据表明中文金融行业已经普遍要求“每一个数字都必须以机器可读方式回溯到原始来源、转换步骤和计算代码”。因此，本文把“从结论驱动到证据链驱动”视为一个分析性框架，而不是已经完成的行业事实。

但若把视野从术语转向实践，可以看到几条高度一致的演进方向：循证管理要求将专业判断与可检验的最佳证据结合；可复现性研究要求保存数据、代码和计算条件；W3C 的 provenance 标准把“一个结果由什么实体、活动和责任主体产生”形式化；金融监管开始明确要求模型、AI 与业务记录具备验证、审计或追溯能力；金融信息产品则开始把“答案”与原始文本、数据来源和 lineage 同时交付。[②-A1] [②-A2] [②-A3] [①-N1]

这里真正发生变化的，不是简单的“人类判断 → 机器判断”，而是研究产品的最小可信单元正在发生变化：

A：结论驱动——研究的主要交付物是一个逻辑完整、看起来可信的结论；证据服务于结论。 B：证据链驱动——研究的主要交付物是“结论 + 来源 + 数据版本 + 转换过程 + 计算路径 + 假设 + 反证 + 审核记录”；结论必须能够被独立质疑和重算。

这一区别很重要，因为学术研究已经证明，“先看到结果再组织假设”、研究者分析自由度、p-hacking 和选择性报告都可能让一套叙事在形式上非常严谨，却高估证据强度。Kerr 对 HARKing 的经典定义就是把结果已知之后形成的假设表述成事前假设；Simmons 等人的实验和模拟则说明，未披露的分析选择能够显著增加错误发现风险。[②-A4] [②-A5]

但同样需要警惕另一种过度叙事：“可追溯”并不自动等于“真实”，“可复算”也不自动等于“投资上有效”。 金融学关于复制危机本身存在重要争论。Harvey、Liu、Zhu 指出大量因子研究面临严重的 multiple-testing 问题，提出新因子应面对显著高于传统标准的统计门槛；然而 Chen 与 Zimmermann 公开数据和代码后，对 319 个特征进行复现，在原论文明确显著的 161 个特征中，98% 的复现组合得到大于 1.96 的 t 统计量；Jensen、Kelly、Pedersen 进一步认为，大多数资产定价因子可以复制，并在覆盖 93 个国家的数据上进行样本外检验。[②-A6] [②-A7] [②-A8]

因此，本报告的核心结论不是“旧研究都是错的”，而是：

研究范式正在从“要求作者值得信任”，转向“要求结果本身携带足够的信息，使第三方可以检查为什么应该信任它”。

这种转变的最大价值，并非消灭错误，而是降低四种成本：发现错误的成本、定位错误的成本、重算结果的成本，以及新证据出现后更新研究的成本。 这正是“证据链驱动”相较“结论驱动”最值得财经与科技行业关注的制度意义。

文中来源标记分为两类：① 新闻/一手报道，包括新闻机构原创报道、监管机构正式网页、行业协会规则和企业官方产品资料；② 学术论文或权威机构报告，包括同行评审论文、国家级学术机构报告及正式技术标准。

旧范式：结论先行的效率与结构性风险

“结论驱动”不应该被理解成“研究员故意造假”，更准确地说，它是一种输出组织方式：先形成中心判断，再围绕中心判断寻找事实、数据、模型和叙事，最后通过文字把它们压缩为一个逻辑闭合的研究产品。

在很多现实场景中，这种方式非常有效。分析师不可能在每次决策前穷尽所有证据；投资研究又存在财报窗口、市场异动、政策发布等时间压力，因此经验、框架、先验判断和快速筛选本身具有不可替代的价值。循证管理研究也没有主张消灭专业经验，而是要求专业判断与研究证据、组织事实和情境信息形成更系统的结合。[②-A1]

问题出现在：当“形成结论”同时决定“搜什么证据、忽略什么证据、用什么模型、展示哪些结果”时，研究过程会产生不可见的自由度。

学术研究对这种风险已经给出几类不同但相互关联的证据。

第一类是结果已知之后重构理论故事。Kerr 将 HARKing 定义为：在看到结果后形成或调整假设，却在最终报告中把它表现成事前假设。这不意味着事后提出新解释本身有错；真正的问题在于，读者无法区分“事前预测”与“事后解释”，于是高估了证据对理论的检验力度。[②-A4]

第二类是分析自由度。Simmons、Nelson、Simonsohn 的经典论文展示了样本停止规则、因变量选择、协变量和条件选择等未披露自由度如何增加 false-positive 风险；Head 等随后在跨学科文献中研究了 p-hacking 的统计痕迹。[②-A5] [②-A9]

第三类是选择性报告。Cochrane Handbook 明确区分了“缺失证据”和“从多个结果中选择性报告某一个结果”：当研究是否被报告，或哪个分析结果被报告，受到 P 值、效应大小或方向影响时，即使已公开的每一项结果都能被重新计算，整体证据集仍可能存在系统性偏差。[②-A10]

这说明一个关键张力：

“证据是真的”与“证据集合没有被挑选”是两个完全不同的问题。

这对财经研究尤其重要。假设一个分析师测试了 50 种因子、10 个时间窗口、5 种行业中性化方法，最终只展示其中一个效果最漂亮的组合；即使最终报告里的数字全部来自真实数据库、计算公式也完全正确，读者仍然无法仅凭“数字可追溯”判断这个结论有多强。Harvey、Liu、Zhu 对金融资产定价“因子动物园”的批评正集中于这种 multiple-testing 风险，并主张新因子的统计门槛应明显高于传统的 t≈2 标准。[②-A6]

因此，“结论驱动”的核心问题并不是结论存在，而是研究对象通常只有一条可见链：

最终报告 → 引用若干来源

而大量真正决定结论的中间步骤——取数时间、版本、筛选条件、清洗规则、参数、失败模型、排除项、反例——可能没有进入最终产品。

这会形成三个结构性断点：

来源断点：读者知道“数据来自某数据库”，却不知道究竟是哪条记录、哪个日期版本。

计算断点：读者看到“毛利率下降 2.3 个百分点”，却不知道是哪个收入/成本口径、是否进行了重分类、公式是否修改。

推理断点：读者能验证数字，却无法知道为何这些数字足以支持“竞争力恶化”而不是“产品组合变化”。

因此，把一篇报告“加上更多引用”并不等于完成了范式转变。

新范式：证据链驱动的定义、要素与对照

本报告建议把“证据链驱动研究”定义为：

对研究中的关键主张建立可机器或人工检查的 provenance，使第三方能够沿“主张 → 原始来源 → 数据快照 → 转换 → 计算 → 假设 → 审核”反向重建结果，并能够识别没有充分依据的节点。

这一概念不是凭空产生。W3C PROV 将 provenance 定义为与某个数据或对象的产生有关的实体、活动与责任主体信息，其用途之一正是帮助评估质量、可靠性和可信度。[②-A3] [②-A11]

与此同时，NASEM 对 reproducibility 的定义强调：使用相同输入数据、计算步骤、方法、代码及分析条件取得一致计算结果。它又把 replicability 与 reproducibility 区分开来：前者更强调新的研究或新数据是否能够得到一致结果。[②-A2]

因此，财经语境里常混为一谈的几个概念实际上应分开：

其中前四项的概念基础来自 NASEM、W3C PROV 以及开放科学实践；第五项则进一步加入金融机构治理所需的责任和控制信息。[②-A2] [②-A3]

由此，A 与 B 的区别可以更精确地表达为：

这是一张理想型比较表，而非行业普查结果。目前暂无公开证据证明多数金融机构已经全面达到右侧状态。

真正的 B 还应拥有一个“失败状态”：

flowchart LR
    Q["问题 / 假设"] --> S["检索证据"]
    S --> G["来源分级"]
    G --> V["原始证据快照 / 版本 / 时间"]
    V --> X["抽取、清洗与转换"]
    X --> C["计算 / 模型"]
    C --> K["主张或数字"]
    K --> D{"证据充分？"}
    D -->|是| R["反证 / 稳健性检查"]
    D -->|否| U["标记：暂无公开证据 / 证据不足"]
    R --> H["人工评审与最终判断"]
    H --> A["审计记录 / 版本归档"]
    A -->|新证据出现| S

这里最重要的节点甚至不是“有来源”，而是那个 “否 → 证据不足” 的分支。一个真正证据链驱动的系统必须有能力拒绝制造完整叙事：不能验证的数字，应被显示为不能验证，而不是由语言模型或研究员把缺口补成一句听起来合理的话。

开放科学的 FAIR 原则也强化了这一方向：数据及相关数字资产应做到 Findable、Accessible、Interoperable、Reusable，而且原始论文特别指出，这些原则不仅针对数据，也可延伸至产生数据的算法、工具和工作流。[②-A12]

换句话说，B 的本质不是“引用更多”，而是：

把研究从文档变成一个有依赖关系的可验证系统。

推动力：学术可信度、监管与行业工程化

推动范式变化的第一股力量来自学术可信度危机。

开放科学运动的重点已经逐渐从“论文最终公开”移动到“研究生命周期透明”。Center for Open Science 的 TOP Guidelines 明确把提高经验研究主张的 verifiability 作为目标，并通过数据、代码、材料、分析计划等制度推动透明性。[②-A13]

但金融学内部的证据并不是单向的。Harvey 等人的研究强调 multiple testing 和数据挖掘问题；另一方面，Chen 与 Zimmermann 的开放数据/代码工作证明许多已有因子事实上能够被计算复现；Jensen、Kelly、Pedersen 则进一步对“金融学存在灾难性复制危机”的判断提出反证。[②-A6] [②-A7] [②-A8]

这组争论恰恰说明为什么“证据链”比一句“存在/不存在复制危机”更有价值：当数据、代码和方法暴露出来，争论可以从对作者可信度的争论，转变成对样本、统计方法和定义的具体争论。

第二股力量来自金融监管的可验证、留痕与责任要求。

中国金融监管总局 2024 年发布的《银行保险机构数据安全管理办法》要求机构统一管理 AI 模型开发应用，并明确提出实现模型算法“可验证、可审核、可追溯”。[①-N1]

2026 年《关于银行业保险业人工智能安全开发应用的指导意见》进一步要求构建兼具安全性、透明度和责任可追溯的 AI 应用能力，并提出促进模型可解释性、定期对人工智能算法开展审计。[①-N2]

证券研究领域同样存在“工作底稿化”的制度方向。中国证券业协会现行《发布证券研究报告执业规范》要求经营机构建立研究报告发布前的合规审查机制，并建立清晰的审查清单和工作底稿。[①-N3]

但这里必须作一项重要限定：这些规定不能被等同于“监管已经要求每一个研报数字都生成机器可执行证据 DAG”。本次检索未发现这样的普遍性强制要求，故此项为暂无公开证据。现有规则提供的是方向——留痕、审核、可解释、责任追溯——而“claim-level evidence lineage”更多仍属于工程实现层面的进一步设计。

海外监管方向与此类似。美国联储、OCC 与 FDIC 在 2026 年更新模型风险管理指引，强调与模型风险相适应的治理，并指出充分文档有助于模型风险管理、跟踪建议及异常、处理整改；同时特别提醒第三方模型可能因为底层代码、数据或方法不可见而带来验证挑战。值得注意的是，该 2026 指引明确表示生成式和 agentic AI 不在该指引的模型范围内，因此不能把传统模型风险规则直接说成“已经完整监管 AI 智能体”。[①-N4]

美国 SEC 的 Investment Adviser Marketing Rule 则从另一个方向体现“证据先于主张”：投资顾问广告不得包含其没有合理基础相信能够在 SEC 要求时加以 substantiation 的重大事实陈述。[①-N5]

第三股力量来自金融信息产品本身的工程化。

Bloomberg 目前公开描述其 AI 功能时，明确强调能够从大量文档中检索信息，并抽取带引用的文本和数据，使用户核验研究笔记中的假设；FactSet 的 GenAI 治理页面则称其回答包含 in-context source linking，以用于 verification 和 data lineage。[①-N6] [①-N7]

Morgan Stanley 2024 年发布的 AskResearchGPT 则让投行、Sales & Trading 和 Research 人员在其每年超过 7 万份内部研究报告中查找数据、提取洞察和总结信息。这说明生成式 AI 在机构投研中的一个重要落地方向并非开放互联网自由生成，而是受控语料上的检索与综合。[①-N8]

中国券商端也已出现覆盖“搜、读、写、审”的 AI 研究工作台实践。21 世纪经济报道 2026 年报道中，招商证券等机构被描述为把 AI 引入财报解读、研究员助手及研究内容生产全流程。[①-N9]

不过，对这些行业产品也不应跳到“证据链已经证明可以降低投资错误率”的结论。截至本次检索，暂无公开、可独立验证的行业级随机对照或大样本研究证明 source linking、AI citation 或投研智能体已经系统性降低金融研究错误率或提高投资收益。 因此它们应被视为“范式的产品化迹象”，而非效果已经得到因果证明。

可供优先检索的关键文献与新闻

从这些材料可以看到，推动 B 的不是某一项 AI 技术，而是科研可信度治理 + 金融监管 + 数据工程 + AI 产品化四条线开始汇合。

落地案例：从“能回答”到“可核验、可复盘”

在国内公开上线的投研智能体中，Bastix/大斑提供了一个适合观察这类范式转变的产品样本。这里必须把“产品已经公开上线的功能”与“理论上的完整证据链”严格区分。

其官方平台文档将 Bastix 定位为“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、沙箱策略仓位记录、持续任务，以及多智能体工作流和私有知识库等。公开文档同时明确：平台内置能力不连接券商、不接管资金、不代替用户下真实订单，沙箱策略仓位不等于券商账户实际持仓，相关研究内容不构成投资建议或收益承诺。[①-N10] [①-N11]

因此，准确的产品边界应该表述为：它是投研/决策支持智能体，而不是自动交易系统；不会替用户下真实订单，也不应被理解为荐股或买卖建议执行工具。 官方 v1.0.2 文档还单独说明，其交易复盘技能用于记录、度量、归因和改进，不会自行读取真实交易账户，也不产生买卖建议。[①-N12]

与本文主题最直接相关的是其已经公开的两类能力。

其一是“回复事实核查”。 v1.0.1 公开文档显示，每条智能体回复下可以触发“检查”，系统会对照该轮实际调用的行情、财务、检索结果等数据来源，逐条核验回复中的数字和论断，并区分“可溯源”与“存疑”；官方同时明确指出，该核查仍由模型完成，只用于辅助复核，并非最终事实裁决。[①-N13]

这一步代表的范式变化不是“AI 更聪明”，而是：

答案不再是流程终点；答案之后还有一次“主张—实际工具来源”的反向对账。

其二是“运行可追溯”。 v1.0.2 公开文档称，持续任务产生的运行会话可以只读打开，用户能够查看该任务的运行过程、工具调用和运行结果；文档明确把这项能力用于解释和审计自动化运行结果。[①-N12]

功能页还公开列出沙箱仓位变更历史、跨会话任务上下文、市场数据查询、RAG 私有知识库，以及“一键对照本轮数据来源，逐条核对回复中的数字与论断是否可溯源”等能力。[①-N14]

其近期公开版本中的信息雷达同样维持研究边界：官方文档描述其定时扫描公告和资讯，给出影响分析并注明依据与把握程度，但明确称该功能只进行信息研判、不替用户下单、不调仓；持续任务也被明确限制为研究、观察和整理，而不是直接交易通道。[①-N15]

但更值得注意的是产品自己披露的限制。其“边界与原则”页面明确写明，目前**“尚未承诺覆盖所有动作的统一审计链”**，且外部模型供应商在训练、日志、评估和人工质检方面的完整边界尚未全部确认。[①-N11]

因此，从中立研究角度，它更准确地代表的是：

“部分证据链能力已经产品化”，而不是“已经完成端到端、全动作、监管级统一审计链”。

本次检索也没有找到该产品公开发布的独立第三方研究，证明其事实核查功能具有某个特定准确率，或者证明使用该产品能够提高投资收益、降低亏损或持续战胜基准。对此应明确写为：暂无公开证据。

这个案例最值得行业借鉴的不是某个具体界面，而是产品设计中一个较新的优先级：

从“怎样让 AI 给出更漂亮的答案”，转向“怎样让用户知道 AI 的答案究竟建立在什么上面”。

未解问题与实施路径

证据链范式并不是终点，因为它解决的是可检查性，不是认识论意义上的“自动正确”。

最重要的未解问题是选择性引用。

设想一个系统找到 100 条与某家公司有关的材料，其中 60 条支持“需求走弱”，40 条支持“短期扰动”；只要系统只把前 60 条送入最终 evidence graph，它完全可以做到“每句话都有来源”，同时仍然产生系统性偏差。

这和系统综述中的 missing evidence / selective reporting 问题具有相同结构。Cochrane 明确指出，结果是否被纳入可能受到 P 值、方向或效应大小影响；Dwan 等人的系统综述也发现，选择性结果报告可能使结果向特定方向偏移。[②-A10] [②-A14]

因此，B 必须从“引用了什么”进一步升级到“搜索过什么、排除了什么、为什么排除”。

第二个问题是来源质量不等于来源存在。上市公司自己的公告、监管文件、新闻报道、券商研报、社交媒体帖文、二次转载可以同时存在；系统若只检查 URL 是否存在，而不区分信息的权威级别、发布日期、修订版本和一手/二手关系，那么 lineage 虽然完整，质量仍然可能很差。W3C PROV 本身只解决 provenance 的表达问题，并不替用户判断一个来源是否真实或可靠。[②-A3]

第三个问题是可复算的错误仍然是错误。一个错误公式只要被完美版本控制，每次重跑都会稳定地产生同一个错误答案。所以证据链需要把“reproducibility”与“validation”分开：前者回答“别人能否得到与你一样的结果”，后者回答“你的方法本身是否合理”。NASEM 对 reproducibility 与 replicability 的区分正体现了这一点。[②-A2]

第四个问题是数据版本漂移。网页会修改，公司会重述财务指标，数据库会回补历史数据，指数成分会重构。如果研究只存 URL 而不存抓取时间、内容版本或快照，那么半年后“重新打开同一网页”并不一定意味着重新得到当时的证据。

第五个问题是AI 引用本身并非真实性证明。模型完全可能引用一个真实来源，却让该来源支持了它事实上没有支持的句子。因此未来的评价指标不应是简单的 citation rate，而应至少区分：citation existence、citation correctness、claim entailment、source authority 与 evidence completeness。

第六个问题是审计成本与研究速度之间的张力。把所有临时计算、网页、模型、提示词和中间表永久保留，会带来存储、版权、数据授权、商业机密、个人信息和信息墙方面的负担。金融监管中的 books-and-records 要求已经说明记录保存本身就是正式治理对象；例如 FINRA Rule 4511 要求成员机构按规则制作并保存相应 books and records。[①-N16]

因此，落地 B 不应该从“把所有东西记录下来”开始，而应该建立风险分级的证据链。

建议实施清单如下：

其中技术架构可参考 W3C PROV 对 Entity、Activity、Agent 的建模；可复现部分可参考 NASEM 对数据、代码和环境的要求；治理与模型文档可以参考 2026 年美国联储模型风险指导；AI 审计和责任追溯则可参考中国金融监管总局 2024—2026 年相关要求。[②-A11] [②-A2] [①-N4] [①-N2]

实施时还应避免一个常见的治理错误：把“证据链覆盖率”变成唯一 KPI。若系统为了让覆盖率达到 100%，自动给每句话找一条看似相关的 URL，可能反而鼓励形式性引用。更合理的指标是组合式的，例如：关键数字可重算率、一级来源覆盖率、引用支持率、反证处理率、独立复算通过率、无法验证主张的显式标记率等。具体阈值应由机构根据业务风险设定；目前暂无公开证据支持一个适用于所有金融机构的统一最佳阈值。

结论

从“结论驱动”到“证据链驱动”的变化，表面看是一个研究工具升级问题，实质上是可信度生产方式的变化。

旧范式的信任关系可以粗略概括为：

我相信这个结论，因为我相信写报告的人、机构和品牌。

新范式增加了一层：

我可以相信或反对这个结论，因为我能看到它依赖哪些证据、这些证据经历了什么转换、哪些假设是人为选择的，以及换一个假设后结果会怎样。

这不是取消分析师，也不是把投资判断交给算法。恰恰相反，B 会让真正无法自动化的部分更加清晰：证据权重、因果解释、反事实判断、情景概率、价值判断和最终风险承担，仍然需要人。

机器更适合做的是另一部分：把来源找全、保留版本、读取数字、执行计算、记录参数、映射引用、发现矛盾、重放过程，以及在证据不够时明确显示“暂无公开证据”。

学术界的 p-hacking、HARKing 与 multiple-testing 文献说明，仅靠作者主观诚实和传统同行评议不足以彻底消除研究自由度；开放数据和代码的金融研究又说明，透明化可以让复制争议进入更具体、更可检验的层面。[②-A4] [②-A5] [②-A6] [②-A7]

监管和产品实践则显示，可验证、可审核、可追溯、source linking 和 data lineage 已不再只是开放科学领域的术语，而开始进入金融 AI、模型治理和投研工具。[①-N1] [①-N2] [①-N6] [①-N7]

不过，不能把方向性证据写成已经完成的革命。暂无公开证据表明全球金融研究已经整体进入完全的“证据链驱动”时代；也暂无公开证据证明只要采用证据链技术，就能系统性获得更高的投资收益。

因此，这场范式转变最稳健的表述不是：

“从人类研究走向 AI 研究”，

而是：

从“结论是最终产品”，走向“结论只是证据链上的最后一个可检查节点”。

最终，B 并不承诺研究一定正确。它承诺的是一种更有限、但可能更重要的能力：

当研究错了，我们更容易知道错在哪里；当新证据出现，我们更容易知道什么需要重算；当两个人意见相反，我们更容易把争论从立场还原为数据、假设和方法。

这才是从 A 到 B 最实质性的变化。

延伸阅读

• AI 投研智能体：本文所说的"证据链"在 Bastix 的产品形态——回答附带它查了什么、依据是什么，结论可回溯到出处。