AI 投研 AGENT 平台 / SHIKONG NETWORK
把投研的粗活 交给机器
七个 AI 投研 Agent，已有客户实盘使用。
本地运行 · 输出附引用 · 强制反方论证。
把决策质量留给人
产品矩阵
七个 Agent 覆盖投研全流程
可单独订阅，亦可按需组合——选型依据取决于当前研究流程中的瓶颈环节。全部计算在客户本地设备完成，投研数据与持仓信息不出本地。
01 / 07 · 实时消息解读
盘中信息过载 由 Agent 完成 初筛与解读
7×24 实时解读全市场资讯流，单条约 30 秒给出结构化研判。
事件识别 · 传导路径 · 链末标的核验
理论支撑：消息沿经济关联滞后传导——Cohen & Frazzini（2008）
机制示意 · 消息沿经济关联逐层传导
02 / 07 · 舆情扫描
不判别资讯真伪 只度量市场共识的 拥挤程度
机构、大V、散户多源观点交锋，从争论中提炼每一方的真实立场与拥挤度。
三层共识分层 · 证据去重 · 多路裁判复核
理论支撑：投资者情绪的构建与度量——Baker & Wurgler（2006）
沪银 2026-08-17 · 单日读取 246 条公开发言
03 / 07 · 产业链图谱
产业链研究的关键 不在全景 而在瓶颈环节
整链自动拆解、逐环节评分，锁定议价权集中的瓶颈环节。
供应集中度 · 可替代性 · 扩产周期
理论支撑：供应商议价能力——Porter（1980）
机制示意 · 链上瓶颈环节高亮
04 / 07 · 交易复盘
将自述的交易纪律 与真实成交记录 逐笔比对
交易纪律定稿即锁为基准，逐日核查执行偏离，以胜率与赔率定位盈亏平衡。
逐笔比对 · 偏离量化 · 版本间绩效对照
理论支撑：处置效应的实证——Odean（1998）
05 / 07 · 资金流看盘
不追快变量的资金流 只看慢变量的 参与者结构
全市场逐笔与十档数据每日重算，跟踪缓慢演变的散户浓度与机构痕迹。
散户参与度 · 机构行为痕迹 · 高位派发识别
理论支撑：由逐笔成交推断机构交易行为——Campbell, Ramadorai & Schwartz（2009）
机制示意 · 参与者结构的缓慢演变
06 / 07 · 论文雷达
学术主张能否成立 须以真实数据 独立复核
每周精读海外前沿论文，主张拆为可检验断言，以 A 股真实数据复核。
预声明证伪条件 · 多重检验门槛 · 盲审复核
理论支撑：多重检验下的显著性门槛——Harvey, Liu & Zhu（2016）
主张逐条标注可检验状态 · 附原文出处
07 / 07 · 因子审计工厂 · 即将发布
避免犯错的收益 往往高于 寻找 Alpha
提交因子数据，经数十道审计闸门逐一过检，判决附可复现的审计底稿。
数据体检 · 前视排查 · 过拟合审计
理论支撑：多次尝试下夏普比率的选择偏差修正——Bailey & López de Prado（2014）
机制示意 · 层层闸门筛除错觉 Alpha