投资研究为何需要持续监测？
- Reflexivity联合创始人兼CEO Jan Szilagyi认为，投资者面临的难题是信息分散在不同数据供应商、资产类别和格式中，难以持续筛选并连接有用信号。
- 平台持续扫描财报、公司公告、新闻和宏观变化，主动提示可能影响证券或投资组合的事件，并分析其潜在影响。
知识图谱如何找到间接影响？
- 平台的知识图谱连接约4万项资产及十余个金融数据源，将供应链、行业、地区和宏观敞口等关系纳入分析，用来追踪事件对其他资产的间接影响。
- 例如，一家公司发布业绩或遇到经营问题后，平台可分析对供应商、客户、竞争对手及相关行业的潜在影响。在电网现代化案例中，Szilagyi称平台沿供应链和公司披露资料，发现一家产能受限、具有全球市场敞口的台湾变压器制造商。
- 用户上传持仓或观察名单后，平台会优先推送相关变化；随着用户开展研究和使用平台，推荐内容也会进一步调整。
平台能怎样服务投资组合？
- 平台可围绕主题寻找相关公司并构建股票篮子。在AI基础设施演示中，筛选范围延伸至供应链、数据中心和零部件企业，每个成分都有纳入依据及来源文件；用户还能按市值、地区等条件细化。
- 投资者可设置利率冲击、商品价格变化等情景，查看组合的潜在结果和下行风险贡献，也可替换持仓后重新分析；还可用公司基本面和微观变化检验宏观判断。
- 标准许可每位用户每年约6000美元，包含平台整合的数据集；覆盖以美国、欧洲和日本最强。企业定制部署另行定价。
AI能否改善投资回报，成本又如何控制？
- Szilagyi认为，AI让投资者在不改变投资流程的情况下评估更多机会，可能通过更广泛的机会捕捉和分散化改善风险调整后收益；遇到缺少历史先例的新情况，人类判断仍然重要。
- 随着客户更关注推理成本，公司通过在多个模型间分配任务、缓存重复计算来控制开支。公司称，在维持分析质量的同时，过去三个月查询成本下降约70%。