中信建投證券在推進(jìn)“八爪魚”固收一體化智能平臺建設(shè)過程中，其AI可解釋性創(chuàng)新成果——論文《ConciseExplain: Reducing Redundancy and Spuriousness in Persuasive Recommendation Explanation》（《精簡解釋：降低推薦解釋中的冗余與偽相關(guān)性問題》）于2025年8月被ACM SIGKDD 2025收錄。
ACM SIGKDD（國際數(shù)據(jù)挖掘與知識發(fā)現(xiàn)大會，簡稱“KDD”）是數(shù)據(jù)挖掘與人工智能領(lǐng)域歷史悠久、規(guī)模最大的學(xué)術(shù)盛會，因其論文錄取標(biāo)準(zhǔn)嚴(yán)苛，被公認(rèn)為該領(lǐng)域的國際頂級學(xué)術(shù)會議，被中國計(jì)算機(jī)學(xué)會（CCF）列為A類會議。
此次中信建投證券論文被KDD錄用，實(shí)現(xiàn)了國內(nèi)證券行業(yè)在CCF-A類國際頂級學(xué)術(shù)會議上AI可解釋性成果“零的突破”，標(biāo)志著中信建投證券在人工智能領(lǐng)域邁入國際研究前沿，也是中信建投證券推動構(gòu)建“基礎(chǔ)研究—技術(shù)攻關(guān)—成果轉(zhuǎn)化”閉環(huán)的一項(xiàng)具體成果。
問題導(dǎo)向：現(xiàn)有“黑箱推薦”存在可信度短板
在債券發(fā)行與投資交易等業(yè)務(wù)場景中，業(yè)務(wù)人員面臨的核心挑戰(zhàn)是，如何在龐雜的債券特性與多元化投資偏好之間實(shí)現(xiàn)精準(zhǔn)而高效的匹配。傳統(tǒng)推薦算法雖然在一定程度上提升了效率，但普遍存在“只給結(jié)果、不講邏輯”的不足，常被形容為“黑箱式”決策，難以滿足金融行業(yè)對透明度與可解釋性的嚴(yán)格要求。
以“為債券尋找投資人”為例，現(xiàn)有推薦系統(tǒng)通常能夠生成一份潛在投資者清單，并給出排序結(jié)果，但缺乏可供業(yè)務(wù)人員復(fù)核的理由集合，比如投資人的期限/久期偏好、信用與行業(yè)傾向、歷史申購與配售行為等。
盡管學(xué)界和業(yè)界已有一些推薦解釋方法的探索，但現(xiàn)有方法依然存在特征冗余、特征偽相關(guān)兩個突出問題，不僅削弱了推薦系統(tǒng)的說服力，更可能誤導(dǎo)業(yè)務(wù)人員和投資者決策。為此，中信建投證券項(xiàng)目團(tuán)隊(duì)在債券業(yè)務(wù)場景中提出了“如何構(gòu)建高質(zhì)量推薦解釋”這一關(guān)鍵問題，并以實(shí)際業(yè)務(wù)痛點(diǎn)為牽引，聯(lián)合中國科學(xué)院計(jì)算所、鵬城實(shí)驗(yàn)室等科研院所專家，啟動了可解釋推薦算法研究。
技術(shù)創(chuàng)新：ConciseExplain框架讓推薦更透明更可靠
針對傳統(tǒng)“黑箱推薦”的行業(yè)痛點(diǎn)，團(tuán)隊(duì)提出了全新的ConciseExplain特征集合級解釋框架。該框架的核心在于以業(yè)務(wù)邏輯為導(dǎo)向，運(yùn)用掩碼訓(xùn)練策略、基于梯度優(yōu)化的特征子集搜索，提升解釋的精準(zhǔn)性和邏輯性，確保解釋結(jié)果既簡潔聚焦，又符合投資實(shí)務(wù)的邏輯要求。
在多維度評測中，ConciseExplain在解釋合理性和多樣性指標(biāo)上分別提升了6.1%與12.4%。該成果有效解決了“黑箱推薦”的信任短板，使推薦系統(tǒng)從“結(jié)果導(dǎo)向”邁向“邏輯可解釋”，為構(gòu)建透明、可信、用戶可理解的智能金融決策系統(tǒng)提供了堅(jiān)實(shí)的技術(shù)支撐，為金融行業(yè)嚴(yán)謹(jǐn)場景下的智能推薦提供了可信的新范式。
業(yè)務(wù)價(jià)值：提升債券發(fā)行承銷業(yè)務(wù)質(zhì)效
通過在真實(shí)業(yè)務(wù)場景中驗(yàn)證和持續(xù)迭代，ConciseExplain在債券發(fā)行承銷環(huán)節(jié)展現(xiàn)出顯著成效，大大增強(qiáng)了推薦系統(tǒng)的可信度與業(yè)務(wù)人員的采納率，形成了“解釋更合理→結(jié)果更可信→使用率更高”的正向循環(huán)。
在“為債券推薦投資人”場景中，實(shí)現(xiàn)了債券發(fā)行人與潛在投資者的精準(zhǔn)匹配，月均召回率@50（即在系統(tǒng)推薦的前50名投資者中，能覆蓋到真實(shí)潛在目標(biāo)投資人的比例）從34%提升至62%，最高達(dá)64%；準(zhǔn)確率@50（即前50名推薦中真實(shí)有效的投資者占比）從10%提升至17%，最高達(dá)21%。
在“為投資人推薦債券”場景中，月均召回率@30（即在系統(tǒng)推薦的前30只債券中，能覆蓋到真實(shí)目標(biāo)債券的比例）從38%上升至43%，最高達(dá)70%；準(zhǔn)確率@30（即前30只推薦債券中真實(shí)有效的債券占比）從16%提升至20%，最高達(dá)22%。
未來展望：持續(xù)深耕可信AI與智能推薦
未來，中信建投證券將在集團(tuán)金融科技創(chuàng)新中心的指導(dǎo)下，聚焦豐富解釋表達(dá)多樣性、強(qiáng)化跨產(chǎn)品擴(kuò)展性兩大方向，推動解釋從“可讀”走向“易懂、可用”，并加快在更多業(yè)務(wù)場景落地。同時(shí)，將積極探索與監(jiān)管標(biāo)準(zhǔn)和行業(yè)規(guī)范的深度對接，持續(xù)鞏固公司在可信AI與智能推薦領(lǐng)域的領(lǐng)先優(yōu)勢，為金融科技創(chuàng)新和業(yè)務(wù)高質(zhì)量發(fā)展不斷注入新動能。（華柏）
