2. 金融业务基础
在构建金融智能体之前，必须先理解它所嵌入的业务土壤。金融不是单一场景，而是一套由市场结构、资产类别、交易流程和风控合规共同构成的复杂系统。智能体的价值，取决于它能否准确识别自己处在哪个环节、服务哪类资产、遵循哪套规则。本节将围绕这四个维度展开，并给出智能体可切入的具体场景。
一、金融市场结构：分层与参与者
金融市场按交易标的和功能可分为货币市场、资本市场、外汇市场、衍生品市场等。从层级看，又可分为一级市场（发行）和二级市场（流通）。参与者包括发行人、投资者、做市商、经纪商、交易所、清算所和监管机构。理解这一结构的关键，是明确“谁在什么环节承担什么角色”。
以股票市场为例：发行人在一级市场通过投行发行股票；投资者在二级市场通过经纪商下单；交易所撮合交易；清算所完成结算；监管机构监督信息披露和交易行为。智能体若用于投研，需接入行情与公告数据；若用于交易执行，需对接经纪商接口；若用于合规，则需读取监管规则库。
二、主要资产类别与特征
金融资产可大致分为固定收益类、权益类、衍生品类和另类资产。不同资产在收益来源、风险特征、流动性、估值方法和监管要求上差异显著，智能体的设计必须与之匹配。
| 资产类别 | 典型品种 | 收益来源 | 主要风险 | 智能体应用重点 |
|---|---|---|---|---|
| 固定收益 | 国债、企业债、ABS | 利息、利差 | 信用风险、利率风险 | 信用评级、久期分析、违约预警 |
| 权益类 | 股票、ETF、REITs | 股息、资本利得 | 市场风险、波动风险 | 基本面分析、舆情监控、组合优化 |
| 衍生品 | 期货、期权、互换 | 标的价差、时间价值 | 杠杆风险、对手方风险 | 定价计算、希腊字母监控、保证金管理 |
| 另类资产 | 私募股权、大宗商品 | 增值、套利 | 流动性风险、估值风险 | 尽调辅助、估值建模、风险归因 |
三、交易流程：从下单到结算
一笔标准交易通常经历以下环节：策略生成 → 订单创建 → 风控校验 → 订单路由 → 交易所撮合 → 成交回报 → 清算 → 结算 → 持仓更新。每个环节都有明确的输入、输出和校验规则。
交易流程关键参数示例：
{
"order_id": "ORD-20250101-001",
"symbol": "600519.SH",
"side": "BUY",
"order_type": "LIMIT",
"price": 1680.00,
"quantity": 100,
"risk_check": {
"position_limit": true,
"cash_sufficient": true,
"price_band": true
},
"route": "SMART",
"status": "FILLED",
"fill_price": 1679.50,
"fill_quantity": 100
}智能体在交易流程中的典型介入点包括：策略信号生成、订单参数校验、执行算法选择、成交后归因分析。需要注意的是，智能体不应绕过风控直接下单，而应在风控框架内运行。
四、风控合规要点与智能体场景
风控合规的核心目标是：识别风险、量化风险、控制风险、报告风险。常见要点包括市场风险（VaR、压力测试）、信用风险（评级、敞口）、操作风险（流程、权限）、合规风险（反洗钱、信息披露、交易行为）。
- 市场风险：智能体可实时计算组合VaR，监控敞口变化，触发预警。
- 信用风险：智能体可抓取财报和舆情，动态更新信用评分。
- 操作风险：智能体可检查权限配置，识别异常操作序列。
- 合规风险：智能体可匹配监管规则，生成合规报告，标记可疑交易。
五、常见误区与复盘
在金融智能体落地过程中，常见误区包括：把智能体当作“万能交易员”，忽视风控前置；用通用大模型直接处理敏感金融数据，忽略数据隔离；只关注策略收益，不关注合规成本；以及将智能体输出直接作为最终决策，缺少人工复核环节。
复盘要点：第一，明确智能体的角色边界——是辅助分析、执行工具还是决策建议；第二，所有输出必须可追溯、可解释；第三，风控和合规规则应作为智能体的硬约束，而非事后检查；第四，建立回测与仿真环境，在真实交易前验证智能体行为。