市场操作者关心接下来会发生什么。 如果美联储降息，但由于霍尔木兹海峡的航运危机导致油价飙升怎么办？如果指导预期未达标，而商品价格上涨怎么办？如果人工智能支出加速，但没有转化为利润怎么办？ 回答这些问题过去需要几天时间。分析师会扫描文件，跟踪宏观指标，审查财报记录，并手动写备忘录。等到研究准备好时，市场已经发生了变化。 Reflexivity可以在几分钟内完成这些工作。 2020年，Jan Szilagyi走进我的办公室，带着一个白板和一个论点：研究不能仅通过自动化来扩展。他已经在构建一个副驾驶，可以解读文件、财报和全球信号，然后像分析师一样进行推理。 他和他的联合创始人Giuseppe Sette都曾在对冲基金担任首席投资官。他们的工作是理解复杂动态事件如何影响资产价格。没有这样推理的平台。因此，他们与Kensho训练的工程师一起构建了内部工具，使用手动编码的查询、拼接的仪表板和碎片化的数据管道。 这个技术堆栈成为Reflexivity的基础。 最早的版本专注于建模“如果”场景，这种分析是Jan和Giuseppe手动进行的。他们具备从摘要到模拟的技术深度，并有信心围绕此构建系统。 当GPT改变了人们与软件的交互方式时，团队从基本原则重新构建。他们为金融市场设计了一个专有的知识图谱——一个自学习的库，持续映射金融环境。他们启用了跨文件、财报和宏观信号的工具调用。他们训练系统返回完整的分析，包括基于真实输入的图表、叙述和逻辑链。 今天，Reflexivity已在Interactive Brokers内部部署，并在一些全球最大的对冲基金、资产管理公司和财富顾问中扩展。它是金融服务领域的第一个MCP客户，成为一个多模态命令平台，能够检索、推理并最终采取行动。 2020年作为白板草图开始的项目，现在被数百名投资者使用——从对冲基金到家族办公室——他们依赖Reflexivity在几分钟内完成曾经需要几周的工作。它已成为一些世界上最复杂公司的研究节奏的一部分。 我们很自豪能与Jan、Giuseppe和Reflexivity团队合作，帮助构建机构研究基础设施的未来。