行业洞察|证券行业高质量数据集管理的探索与实践

“高质量数据集”的政策脉络可追溯至国家数据局等17部门联合印发的《“数据要素×”三年行动计划（2024-2026年）》，明确提出要打造高质量人工智能大模型训练数据集，首次提出“高质量数据集”概念。高质量数据集的概念本质上根植于AI模型训练需求，其核心在于数据能够有效提升模型性能，而非仅指数据具备“高质量”属性。2024年12月，国家发展改革委、国家数据局等部门印发的《关于促进数据产业高质量发展的指导意见》将高质量数据集定位为人工智能与实体经济融合的核心载体。

2025年以来，在各类政策密集出台的同时，高质量数据集建设步入落地阶段。2025年2月，国家数据局组织27个部委召开高质量数据集建设工作启动会，正式拉开行业共性数据资源库建设的序幕。2025年6月，国务院国资委在上海召开“央国企金融领域人工智能高质量数据集工作推进会”，旨在落实国家战略，响应国务院国资委“AI+”专项行动对高质量金融数据集建设的要求，深化金融数据开发利用。

2026年4月15日，国家数据局综合司发布关于向社会征求《关于推进行业高质量数据集建设行动的实施方案（征求意见稿）》意见的公告。实施方案部署了强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六个专项行动，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的“数据飞轮”，加快构建数据要素与人工智能协同演进的共生生态，进一步促进高质量数据集的业务融合与价值释放。

当前，高质量数据集的推进呈现“区域+行业”双融合的态势。区域层面，各省级数据局陆续制定实施方案并启动试点工作；全国金融标准化技术委员会证券分技术委员会（证标委）已将《证券期货业高质量数据集标准化研究》列为2025年度标准研究课题，并在2026年度课题清单中进一步纳入《证券期货业高质量数据集建设运营能力成熟度规范研究》，有序推进高质量数据集标准体系建设，从机制层面促进数据要素的价值释放。

实践层面，2025年9月，国家数据局公布高质量数据集建设先行先试工作名单，其中证监会推荐的“资本市场融资企业高质量数据集建设”、“面向金融行业大模型的多模态高质量数据集建设”2个入选，标志着证券行业高质量数据集建设正式纳入国家试点体系。

根据国家标准《高质量数据集建设指南》（TC609-5-2025-01），高质量数据集是指经过采集、加工等处理，可直接用于开发和训练人工智能模型，且能有效提升模型性能的数据集合。

面向高质量数据集的数据治理工作，体现了对传统数据治理体系的迭代升级。德勤在总结金融行业实践的基础上，归纳出高质量数据集在治理维度上呈现的五项核心特征：

证券公司启动高质量数据集建设，既是应对业务模式演进的必然选择，也是顺应技术范式迭代的内在要求。目前，国内多家证券公司已率先启动高质量数据集建设的实操探索，并逐步形成“业务牵引、科技赋能、多角色协同”的工程路径。

在方法论层面，证券公司普遍采用涵盖规划准入、多源采集、智能预处理、协同标注、模型验证与场景运营的五步法框架，依托场景实践，形成“业务-数据-模型”的闭环路径。

围绕业务域与场景明确数据集目标、范围与口径，进行数据授权与合规性初步审查。

汇聚内外部多格式、多来源的结构化与非结构化数据，确保来源合法性并遵从最小必要原则。

实施多级清洗，剔除无效数据与异常读数，进行格式对齐、时空插补与特征提取。

构建“专家经验+智能工具”的人机协同模式，针对特定场景制定精细化标注规范，引入AI初筛与人工校验。

以模型性能反向验证数据集质量，根据用户反馈定向优化，形成数据集的动态更新闭环。

中国证券业2025年发展回顾及2026年展望报告系列连载：