PART 05 / 06
投研投顾：
精选，和穿透
这行最不缺信息，最缺处理信息的时间。这一篇拆两个最硬的实操：客户组合的再平衡穿透链条，和内容生产的「先侦察后创作」。
9 节
3 张图
2026-10-22 整理
原片2:23:38 – 2:54:04
板块资管 / 证券 · 投研投顾（六大模块 + 内容创作）
讲者刘慧腾讯云 资管行业业务总监
依据 B 站「AI开讲啦」2026-09-09 直播回放（时长 3:23:03）完整转写整理。所述产品能力均为直播中的讲解内容，非本人实测；人名与数字建议回看原片核对，图为手绘示意图、非产品截图。
封面 · 左为核心结论，右侧示「名义持仓 → 资产类别 → 底层资产」的穿透（手绘示意，非截图）
00
这行最不缺信息，最缺处理信息的时间
刘慧开场那句话，我觉得整篇都可以用这一句概括：
证券基金行业的朋友都懂，我们这行最不缺的就是信息，
最缺的是处理信息的时间。行情、公告、研报、财报每天都在刷屏。
刘慧 · 腾讯云资管行业业务总监
所以投研投顾这个场景的目标，和前面几篇不太一样。对公经营是「把散落的数据收拢」，
尽调是「把长流程串起来」，而投研面对的是信息过载——东西都在那儿，
公开的、付费的、内部的，问题是你一天只有那么几个小时。
01
先看一个生态数字
直播里给了一组不完全统计，虽然口径比较粗，但能说明生态已经起来了：
40+ 家
已上传 AI 资产的金融机构数量
不完全统计 · 持续增长
200+ 个
平台上已上传的 AI 资产总数
技能数量最多
AI 资产分四类：专家、专家团、技能、连接器。上传方除了券商、基金、投顾公司，
还有金融类服务商，以及腾讯体系内的团队。
!
但这带来一个新问题，也正是产品的出发点：
200 多个资产摆在那里，你到底该用哪个？哪些是精品？哪些对你的业务真有价值？
大多数用户分不清。这就是他们为什么要做「精选」。
02
两个词：精选，和独特
精选
资产太多、良莠不齐。按行业业务场景和使用场景重新分类筛选，把真正有业务价值的挑出来。
解决的是「选择成本」——不是给你更多，是帮你少看一些。
独特
平台外还有大量优质资产没上架。与行业伙伴合作，供给更有针对性、更独家的能力。
解决的是「有无问题」——有些东西你有钱也买不到，因为它是某家机构的方法论。
这两个词其实定义了「行业版」和「通用版」的根本差别。
通用版追求更多，行业版追求更准——因为专业人士的时间更贵，他们没耐心翻两百个资产。
03
六大模块：一张投研的日常工作地图
图 1
这张地图值得存下来，因为它基本覆盖了一个投研条线的全部日常动作。
你可以拿它对着自己的工作日历看，哪一块花的时间最多。
图 1 · 六个模块，两个半区。
上排加下排前两个是研究能力，最后那个是服务能力。
很多人只盯着研究能力，但实际工作里，第六块往往决定你的观点能不能变成业务。
04
独特点一：把「买不起的数据」接进来
这是「独特」最实在的一个例子。他们接入了一家国际金融数据公司的 MCP——
按描述，这家公司在基金品类上的数据是全球第一。
?
名称待核实。转写稿里这家公司被记作「诚心 / 诚信」，从「国际性金融数据公司」
「基金品类全球第一」这些描述推断，很可能是晨星（Morningstar），
但我无法从转写稿确证。以官方口径为准。
它解决的是一个真实痛点：这类数据传统上门槛很高，个人根本用不起、也拿不到。
接进 MCP 之后，通过对话就能调。这个变化的意义，比「多了一个数据源」大得多。
直播给了四类使用场景，我认为这个分法可以直接搬去设计自己的数据工具：
① 研究选品
从全市场筛候选基金。可以自然语言给条件，也可以反复对话、不断收窄条件。
② 基金深度研究
对客户已买的产品做全方位深度分析——这是客户问「这基金怎么样」时的底气。
③ 客户陪伴
客户持仓涨了跌了，各种疑问怎么答。这是日常最高频、也最容易被拖垮的一类活。
④
全球投研。面向高净值或有海外资产布局需求的客户，需要美股、全球基金的数据支撑。
这一块通常是这类数据商独有的部分，也是国内数据源比较难覆盖的。
05
实操一：全球配置 + 客户持仓再平衡
图 2
这是全场信息密度最高的一个演示，分两步走。
第一步，先建立宏观框架。让它在全球范围做一遍大类资产研判——美股、欧股、新兴市场债券、
商品、现金各自怎么看。产出里包含跨资产十年年化回报分析、权益内部的规模与估值分化。
每个观点都有来源，且来源是该数据商的全球研究成果。
第二步，落到具体客户。把手上的客户持仓 Excel 直接投喂进去，生成一份
《客户再平衡与战术调整报告》。这份报告的穿透链条是这样的：
图 2 · 穿透的链条，一环错则全错。
最容易被跳过的是①口径统一：不同基金公司对「资产类别」的定义就不一样，
不先归一，后面算出的偏离全是假的。
★
这套穿透逻辑，其实不只用于基金组合。
任何「看起来分散、实际层层嵌套」的持仓都能用：多只理财产品底层是同一个资产池、
几个专户投的是同一批债——不穿透，你根本不知道真实的集中度有多高。
06
实操二：直播和短视频，先看别人为什么爆
图 3
这个能力和行业里一家头部投顾公司联合做的，通用版没有。它解决的是投顾直播的三个真实问题：
今天讲什么、市场上在讲什么、我怎么讲才有爆款潜质。
图 3 · 先侦察，再创作。
顺序很重要：不先搞清楚「现在大家在关心什么」，直接让 AI 写文案，写出来的东西八成没人看。
这三步本质上是「先做市场调研，再生产内容」。
里面有个细节我很喜欢：「直播接话指南」。
它会告诉你用户关心什么问题、该怎么互动。这个东西的价值不在于「帮你写话术」，
而在于它把「我以为观众想听什么」换成了「观众实际在问什么」。
i
「观众情绪分布」这个指标值得多想一层。
直播里提到它时给的理由是：全市场用户的情绪，其实也决定未来市场的走向。
用情绪数据做预判是否可靠另说，但「把弹幕和评论当舆情样本」这个思路，
确实是过去人工做不了的事。
07
实操三：自媒体流量经营，从选题到成品
这个场景面向所有要做流量获客的一线——券商 App 内、短视频平台、小红书都算。
演示以小红书为例，链路是三步：
1
每日选题看板
抓当天全网热点（演示当期最火的是某只股票涨停后大幅回撤引发的讨论），然后结合你选的人设给出选题。
人设可以自选——这一点很关键，同样的热点，专业分析师和亲民博主该讲的角度完全不同。
2
按平台风格出内容
不是把研报改短，而是重做：文案风格、配图风格、界面醒目度、内容钩子的设计，全部按小红书那套来。
演示里以「中石科技」为例，产出的配图和排版确实是平台化的，不是「财经文章配个图」。
3
形成可复用的作业链
同一套流程可以迁移到别的平台，只是换风格规则。这个专家有 20 多个技能，
通用版上也能搜到，但金融版的功能更全——通用版做了裁剪。
!
这里有个合规提醒，直播没细说但必须自己补上：
自媒体上的投顾内容涉及投资建议，平台规则和监管要求都很严。
「模仿大 V 风格」这种能力用来找表达方式没问题，但观点和结论必须自己把关。
风格可以借，判断不能外包。
08
怎么用：三条能立刻上手的路径
路径一 · 建立自己的宏观基准
用可信金融数据源做一次全球大类资产的战术与战略研判
重点说清：美股、欧股、新兴市场债、商品、现金各自的观点和依据来源。
这是所有后续动作的地基。有了这一份，你给客户的每一份建议才有统一的上游。建议每周/每月固定跑一次，形成自己的节奏。
路径二 · 客户持仓体检
这是某客户的持仓表，帮我读一下。
先做口径统一，再穿透到底层资产，按六大类资产算偏离，给出本期的再平衡建议。
三个动作要明确说出来：口径统一 → 穿透底层 → 算偏离。少说第一步，结果往往不可信，而且你看不出来它错在哪。
路径三 · 内容选题
分析一下最近短视频的爆款，并生成一个可以在线播放的链接。
然后说说这些爆款覆盖了哪些赛道、头部 IP 各自在讲什么观点。
先看短视频，再看直播，最后才是创作。别跳过前两步直接让它写——没有输入的内容生产，产出的都是正确的废话。
这一篇要带走的三句话
一、信息过载的解药是「精选」，不是「更多」。
两百个资产摆在面前，专业人士的选择成本比获取成本更高。
做工具、做流程，都该想着怎么帮人少看一些。
二、穿透这件事，前提是口径统一。
不同产品的资产类别定义不一样，不先归一就算偏离，算出来的全是假数。
这个坑在任何「组合分析」里都存在。
三、内容生产要「先侦察后创作」。
先看市场在关心什么、头部在讲什么、观众情绪在哪，
再去想自己要说什么。顺序反了，再好的文笔也没人看。
口径与核验
- 主讲：刘慧（腾讯云资管行业业务总监），对应原片 2:23:38–2:54:04。
- 「40+ 机构 / 200+ AI 资产」为直播中的不完全统计，口径未明。
- 合作的国际金融数据公司，转写稿记作「诚心 / 诚信」，据「基金品类全球第一」推断可能为晨星（Morningstar），未经证实，以官方口径为准。
- 「20 条爆款短视频」「9 月 8 日」为演示当期的样例数据。