2026陆家嘴金融沙龙｜第十九期圆桌对话：AI增强FICC交易能力但并非取代交易员

6月24日，陆家嘴金融沙龙2026年第十九期活动圆满举办。在主题为“波动市场下FICC AI量化、基准定价与实时风控落地实践”的圆桌对话环节，与会嘉宾围绕AI在FICC业务中的应用细节进一步分享了经验与观点。

本次圆桌对话由浙江智臾科技有限公司（DolphinDB）创始人、CEO周小华主持，中债金融估值中心有限公司党委委员、副总经理袁源，平安银行总行资金运营中心产品总监张盈啸、国泰海通证券FICC多资产量化策略负责人王康等担任对话嘉宾，另有两位银行业嘉宾现场互动分享。

AI量化助投资者从更高维度研判市场，投研类Agent将迎来井喷式发展

2026年以来，债市呈现低利率震荡与信用结构分化的特征。王康认为，这样的市场环境倒逼各类机构树立交易思维获取债券收益。从更高维度去研判市场，是择时的核心之一，AI量化在一定程度上能解决一些问题。

“过去我们使用线性模型对债券市场做一些归因分析，随着市场品种丰富度的提升、政策的变化，市场的复杂度呈非线性提高，需要更多的因子去进行解释；同时，市场变化太快，一些因子失效，AI量化能用更快的迭代速度去进行模型训练；大语言模型的出现，解决了从文本信息里提取Alpha不准确的痛点”，王康表示。

在交易执行层面，AI量化能从辅助层面去解决一些难点，比如报价的自动回复、报价文本的解析等。当前AI大语言模型无法进行端到端的决策，做出报价更多是使用传统的机器学习模型。

王康指出，无论是机器学习模型、还是AI模型，应用于债券报价的核心卡点在于其可解释性。比如，当模型挂出一个偏离市价比较高的价格，很难给出一个合理的解释，合规方面就会存在问题。

对于信用债、ABS这类资产，王康认为，目前AI投研工具更多的是对标的资产、信用主体开展类似客户画像的风险评估。每家机构的信用尺度、投资风格都不一样，可能需要通过调整系统参数去设置准入门槛。量化策略层面，甚至每个团队的投资风格和风控目标都会不一样，在AI应用的时候，可以使用优化器设置最低波动率或者最低跟踪误差，从而设定某一类资产、策略、因子的权重。

随着Skill和各种基座的发展，王康预期，投研类Agent会迎来井喷式发展。另外，场外衍生品的智能化定价也是值得关注的方向，目前场外衍生品的定价方式以学院派为主，未能贴近现实，使用实际生产数据去给衍生品定价可能更合适。

量化助力实现静态估值的动态修正

中债估值是目前应用较为广泛的第三方估值产品，为市场提供了公允的估值锚。过去，机构从静态的估值锚出发，设置一个偏离度或监控指标，根据自身的策略和仓位，来执行风控或交易。近年来随着AI等技术的发展，机构基于“估值静态锚+AI动态修正”的工作方式得以实现。

袁源表示，把静态的估值通过模型拆解成不同的因子，并测算各因子的占比，量化因子和估值历史变动之间的关系，这些都有赖于新技术的应用。

袁源认为，估值产品从静态估值进化到智能定价，乃至智能报价、交易、记账结算的全链条动态过程，能为市场提供质量更好的、更高频的定价数据。

“AI工具或模型毫无疑问提升了我们估值产品的质量。”袁源表示，没有这些工具和模型，就无法快速编制产品、拓展估值品种，更无法高效地与市场机构结合；同时，高效、便捷且工具化、终端化的产品，使得市场的需求呈指数级提升。

AI增强了交易能力，而非取代交易员

结合量化做市的经验，张盈啸认为，当前AI自主交易的稳定性和准确性还有待考量。

做市业务是一项非常严谨的工程，背后包含各种定价模型、相关性系数的计算、基于框架的各种底层数据整理，较难用单一大模型来实现全面突破。

“目前，大量决策最终的负责人还是交易员，更多情况下AI工具在实盘交易中的角色像一个副驾驶。”张盈啸表示，AI能提高效率，比如让它去做一些数据清理、策略的实盘回撤，可以增强交易员的交易能力。

张盈啸提醒，AI交易需注意数据端的合规性。比如在做市业务中，会接触到很多客户的数据，如果用这些数据去训练模型或做一些交易，是不合规的。另外，AI交易面临黑盒模型问题，其内部逻辑无从知晓，实盘交易中发生亏损无法归因。

未来，债市智能化应用最值得期待的突破是整个基础设施能有一个自我进化的功能。银行间债券市场是一个场外市场，仅依靠金融机构之间交换信息，效率有限，需要一个更智能化的、能够主动连接各个投资机构和融资机构的基础设施，大大提高交易的效率。

张盈啸以报价工具为例，“比如iDeal机器人，原来我们做市的时候靠交易员手工去看单子、做报价，一天大概就是几十单，现在有了问询机器人后，一个交易员一天能够做五百单，效率提高之后，整个市场的流动性和价值挖掘能力也提高了，因为交易变多了，大家在交易中互相交流的观点变多了。”

期待未来金融AI自主可控，尤为关键

本场圆桌对话设置观众互动环节，两位银行业嘉宾结合一线业务分享实践思考。

当前AI在FICC业务落地的场景主要有三个。一是做市报价，把重复工作都交给AI，实时响应询价，自动调用定价引擎生成报价，让交易员从报价员的体力劳动中解放出来。二是市场观点的智能体，实时整合碎片信息，提取关键变量，生成量化因子，把定性判断变成定量的输入。三是信用评估，AI持续跟踪舆情变化、财务信息、行业景气度等，进行动态打分，提前预警。

三个场景可总结出三个关键词：交易执行、择时信号生成、交易预警。AI替代的不是交易员，而是交易员身上的重复劳动和信息过载。人、传统量化和AI相互协作，才能发挥更大作用。

AI工具进入前台和中台，需要统一的数据底座和严谨的样本边界。由于FICC业务的数据需求愈发高频，数据格式、底层数据互联互通的接口等可能都不一样。未来，数据标准应广泛适用于FICC的基础设施建设中，保障数据流转快、好、准。

未来金融AI值得期待的发展方向包括不固定代码、有感AI、闭源等，而自主可控尤为关键。我国的市场要成为FICC定价中心，需实现曲线的自主可控，拥有稳定的金融基础构件。一个国产的、低延时的、高效的FICC解决方案，才能在未来不间断的为金融市场提供高质量的服务。

周小华最后总结表示，圆桌与会嘉宾形成了共识，过去十年FICC最大的变化，是从人工、电话、Excel，慢慢走向电子化、数据化和准实时风控，未来几年真正的突破，不会只是一个单点模型，而是交易、定价、风控、执行和数据底座的一体化升级。AI不会一夜之间替代FICC交易员，也不会替代行业基准和传统金融工程，更现实的路径，是把高频、复杂、重复、难以人工覆盖的部分，变成实时可计算、可解释、可追溯的能力。

“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处主办，由第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。