在中信集团科技创新“磐石”工程和金融“强核”工程的战略指导下，中信建投证券于AI赋能金融核心交易领域再获重要突破。继2025年AI可解释性成果入选国际顶会以来，公司依托“八爪鱼”固收一体化智能平台的业务实践，基于大模型微调技术自主研发的债券询报价智能解析系统取得关键进展，其核心论文《Chat2Trade:AutomatingFinancialRFQParsingwithFine-TunedLLMs》已被KDD2026（FirstCycle）录用。ACMSIGKDD（国际数据挖掘与知识发现大会，KDD）作为该领域历史最悠久、影响力最广的国际顶级学术会议之一，被中国计算机学会（CCF）认定为最高级别A类会议。
此次论文入选，实现了国内证券行业在CCF-A类会议上大模型应用成果的首次亮相，标志着中信建投证券在AI与金融业务深度融合方面已构建持续创新能力，进一步巩固了公司在金融科技与前沿AI应用落地方面的领先地位。
一、问题导向：交易场景下的“快市场”和“慢流程”博弈之困
在当前我国债券二级市场中，绝大多数的交易仍通过场外（OTC）询价完成，交易双方高度依赖即时通讯工具进行沟通。然而，这些散落在各类聊天窗口中的询价与报价信息，绝大多数以非结构化的自然语言文本形式存在——充斥着大量行业术语、交易员个性化的口语表达，长期依赖人工逐条识别、反复确认与简单规则匹配，导致交易效率面临三大现实困境：
（一）信息碎片化严重，决策视图缺失，响应滞后
关键交易信息散落于众多群聊与私聊窗口，交易员常需在数十个对话间频繁切换、手工核对。碎片化的信息流难以实时聚合与可视化，致使交易员陷入“看不清市场、找不到报价、跟不上节奏”的操作困局，在快节奏市场中处于被动。
（二）语言表达灵活多变，传统规则模型覆盖不足
同一债券或资金需求在实际沟通中可能存在千百种自然语言表达变体。基于固定关键词与模板的解析方式，难以适应现实场景中复杂多变的语言习惯，导致大量有效询价无法被准确、及时识别，从而错失交易机会。
（三）成交窗口短暂，决策压力大，操作风险高
信用债等流动性相对不足的品种缺乏连续透明的定价基准，其成交价格高度依赖交易员的即时判断。在行情剧烈波动时，价格发现机制进一步弱化，交易员必须在海量非标准化信息中快速甄别有效报价。这不仅对专业能力与心理素质构成极大考验，也容易因决策延迟或误判而错失交易时机，甚至引发定价偏差与声誉风险。
上述瓶颈不仅大幅加重了交易员的工作负荷，也推高了操作成本、压缩了盈利空间。为此，围绕债券二级交易中“如何提升交易效率、降低人工操作风险”这一核心诉求，项目团队联合中国科学院计算所等机构专家，启动了基于大模型微调技术的智能询报价的研究攻关。
二、技术创新：基于垂类大模型Chat2Trade的智能交易方案
面对“快市场”与“慢流程”之间的核心矛盾，我们依托“八爪鱼”固收一体化智能平台，针对债券询报价解析这一高专业、高时效场景，自主研发了基于垂类大模型Chat2Trade的智能解析系统，构建起一套完整、可落地的工程化框架。核心创新体现在以下三个方面
（一）微调大模型增强领域知识
基于行业数据标注，对开源大模型进行领域微调，使得大模型掌握行业术语和领域“黑话”。为实现低延迟推理，基于Qwen2.5-1.5B模型进行微调，并结合vLLM推理框架和推测解码技术，在单卡GPU条件下实现高精度、低延迟推理。
（二）面向长文本的消息切分机制
针对单条询价消息中包含多笔交易记录、输入输出长、上下文高度耦合的问题，设计轻量级切分和组合算法，在不依赖人工标注的情况下，将长消息拆分为可并行处理的完整语义最小交易单元，显著降低推理延迟并提升了解析准确率。
（三）基于模板匹配的Few-shot检索机制
提出一种交易信息的模板化表示与文本相似度计算方法，结合最大边际相关性重排策略，精准召回与当前报价相似的标注结果。将这些结果作为输入示例，使得大模型在面对多样化、长尾场景时，只需少量标注就能够快速适应新表达、新话术。
在完整系统评测中，Chat2Trade在询报价解析任务上准确率高达约96%，同时在持续引入新数据时表现出良好的稳定性和适应能力，显著优于传统规则系统和未微调的大参数量大模型方案。
三、应用成效：从“单点技术突破”迈向“全链路业务价值重塑”
Chat2Trade的落地不仅是技术的单点突破，更是对传统固收交易范式的深层重塑。通过将大模型能力注入核心业务流程，系统实现了以下三个层面的业务价值
（一）交易效率提升：以“智能算力”破除“人力响应”瓶颈
针对债券市场“快市场、慢流程”的长期矛盾，Chat2Trade凭借Qwen2.5-1.5B轻量化微调与推测解码技术，实现了单卡GPU环境下的极速响应。自动解析替代了过去依赖人工逐条识别、反复确认的原始模式，将每小时超过2000笔的非标准化询价瞬间转化为结构化指令。彻底解决了因交易“行话”多、表达灵活导致的传统规则模型覆盖不足问题，极大地降低了交易员在信息预处理环节的认知负荷与操作成本。
（二）业绩规模化增长：以“全量捕捉”提升市场渗透与转化率
针对碎片化信息导致的“找不到报价、跟不上节奏”等困局，Chat2Trade通过长文本切分与Few-shot检索机制，将信息的“广度”转化为利润的“深度”。系统高达96%的解析准确率确保了每一笔有效询价都能进入决策视图，显著减少了因信息遗漏带来的机会损失。A/B测试中2.67倍的交易量增长证明，AI驱动的响应速度已成为公司在极短成交窗口期内获取定价话语权的核心竞争优势。
（三）风险管理范式革新：以“标准逻辑”对冲“主观决策”偏差
针对成交压力大、操作风险高等痛点，系统构建了全链路智能闭环，通过意图识别与多轮对话，基于大数据分析，通过智能推荐算法为交易员提供建议，消除了极端行情下因情绪波动或专业能力偏差导致的定价风险。通过将黑白名单与额度监控等动态融入“对话－解析－执行”流程，在不牺牲响应速度的前提下，建立起一套针对“模型幻觉”与违规操作的自动化防火墙。
四、未来展望：深化融合，拓展生态
未来，中信建投证券将在集团科创中心指导下，持续深化人工智能技术与核心交易的融合。一方面，加快Chat2Trade技术体系在多资产、衍生品、国际化等更多场景的复制推广；另一方面，积极探索与监管标准和行业规范的深度对接，持续巩固我司在AI大模型赋能核心交易领域的领先优势，为金融科技创新和业务高质量发展不断注入新动能。
