AI投研（一）：面向投研智能体的CJPY数据服务.pdf

投研数据服务的智能化升级正成为金融工程领域的重要方向。长江证券金融工程团队基于天软TS-OPI开发的CJPY数据服务工具，在原有Python接口基础上完成MCP升级，实现了同一数据底座面向程序化研究与智能体交互的双入口架构。

核心定位与升级内容

CJPY是轻量级投研数据服务工具，核心作用是降低基础数据准备成本，不直接生成投资结论，也不替代专业回测和交易系统。当前0.5.2版本同时提供Python API和MCP Server：Python接口保持原有函数化、DataFrame化的使用方式；MCP则将同一批数据能力注册为智能体可发现、可调用的结构化工具，并补充17个只读数据工具、API文档资源和6个投研任务模板。

数据覆盖范围

数据查询侧支持99张结构化数据表和40张宏观数据表。结构化数据表覆盖上市公司、基金、债券与可转债、指数、期货、期权、汇率等领域，涵盖公司基础、股本股东、财务报表、经营明细、公司事件、两融ESG、基金资料与净值、债券利率评级、指数成分、期货成交持仓、期权风险指标等主题。40张宏观数据表形成约2500项指标及字段定义，覆盖增长、生产、投资、消费、价格、收入、货币、信贷、储备和政策工具等主题，并配套统计频率、单位、数据来源和发布时间等信息。此外还提供交易日生成、日频与多周期分钟行情、实时订阅和简易回测等能力。

双接口能力与分工

Python接口面向程序化研究，以明确函数签名接收参数，返回DataFrame，适合批量查询、复杂计算、回测和落盘任务，可通过describe_api()获取结构化说明，支持显式创建CjClient进行多账号管理。MCP接口面向智能体交互，工具分组涵盖接口文档、数据发现、证券范围、行情、表格、因子和宏观数据七类，结果统一标记complete、empty、too_large、preview四类状态，避免结果截断导致的误判。

两种接口适配不同任务规模：交互式查询、公司快照、宏观跟踪和多步发现适合MCP；全市场多日期提取、大规模因子计算、复杂回测适合Python。实际研究可组合使用，先通过MCP确认数据口径，再转入Python批量处理。

应用案例与边界

报告展示三类典型场景：通过MCP内置模板生成公司基础研究快照，整合基本信息、估值与财务指标；利用Python进行多因子提取和分组回测，展示从数据到基础验证的最短路径；通过MCP跟踪宏观指标，处理简表与完整表、累计值与当期值等口径确认问题。

CJPY明确界定应用边界：解决的是研究进入分析环节之前的数据准备和接口连接问题，研究结论仍需在明确的数据日期、指标定义和适用范围下审慎形成。风险提示涵盖数据接口稳定性、口径变化、自定义因子与回测、智能体调用解释、结果规模完整性及工具迭代等六类风险。