用于基金尽职调查的AI：基于 DDQ、数据室和通话构建证据图谱

1. 将尽职调查视为证据链

基金尽职调查是一个基于证据的决策过程。投资者会询问管理人是否具备人员、流程、控制、激励机制、资源和业绩记录，以在约定的风险限额内执行拟议策略。答案很少包含在单一文件中。它来自一条证据链，将管理人陈述与支持性记录、独立核查、复核人判断、例外情况和条件连接起来。

ILPA DDQ 2.0 提供了广泛使用的私募市场问题结构和要求文件附录。其价值不止于标准化。它有助于界定应询问哪些问题、可预期哪些支持材料，以及投资者如何比较管理人。然而，填写完成的 DDQ 仍属于管理人陈述。强有力的尽职调查流程会用组织文件、经审计账目、投资组合数据、政策、服务提供商记录、监管披露、背景调查和通话证据来检验重大陈述。

文件夹可以表明某项政策存在。它不能表明该政策回答了哪个问题、是否适用于拟议载体、在相关期间是否有效、实际操作是否与政策一致，或另一份文件是否与之矛盾。电子表格可以跟踪请求，但随着证据集扩大，保留段落级来源追溯、版本、实体关系和复核人推理会变得困难。

证据图谱解决了关系问题。每个重要对象都会获得稳定标识符，每条连接都具有类型。一项主张可能由某项政策支持、被通话记录反驳，并受补充函限定。关键人物可能在管理人、普通合伙人、投资委员会和投资组合公司中担任职务。估值控制可能在 DDQ 中描述、受政策约束，并由委员会会议纪要佐证。该图谱保留这些区分。

该图谱保留来源追溯，并将管理人陈述、来源记录、复核人发现和已批准决策区分开来。

表1. 证据图谱核心对象

稳定的标识符和带日期的版本使尽职调查记录能够在批准后复现。

2. 在选择技术之前定义尽职调查本体

本体说明尽职调查团队需要了解什么以及概念之间如何关联。在本体之前选择技术，往往会把一个不一致的流程自动化。起点是一个问题分类体系，涵盖组织、所有权、治理、战略、团队、业绩记录、投资组合构建、风险、估值、运营、合规、网络安全、服务提供商、可持续性、法律条款、费用、利益冲突和报告。

该分类体系应区分实体与角色，以及角色与个人。管理公司、普通合伙人、投资顾问、基金载体、附带权益载体和投资组合公司可能拥有重叠的所有者和董事。一个人可以是基金文件下的关键人、投票委员会成员以及另一实体的高管。这些关系对治理、利益冲突、集中度和继任很重要。

主张需要有自己的结构。关于管理人从未经历重大网络安全事件的陈述，具有陈述者、实体范围、时间期间、重要性定义和日期。没有这些属性，后续证据就无法公平比较。关于毛业绩记录的陈述应标明策略、归因、币种、估值日期、杠杆处理、费用和已实现状态。本体应将定义与数字一起存储。

控制也需要结构。政策是一种设计声明。运行证据可能包括审批、日志、样本、会议纪要、测试、事件和整改。因此，图谱应将控制目标连接到政策、控制负责人、运行证据、测试结果和例外。这可以防止政策文件被视为控制已有效运行的证明。

本体应保持实用。每个字段都需要有决策用途、报告目的或控制要求。过多字段会造成虚假的完整性并拖慢审查者。受控词典、变更流程以及对 DDQ 的映射，使模型能够演进而不破坏较早的记录。

3. 构建保护来源完整性的摄取边界

尽职调查资料集可能包含保密个人数据、投资组合公司信息、法律意见、投资者数据以及商业敏感模型。因此，数据摄取始于授权、分类和访问权限。团队应记录哪些数据可以处理、可存储在何处、哪些模型或服务可接收这些数据、保留多长时间以及如何删除。

每个收到的文件都应以其原始形式保存，并附加密哈希值、接收时间、来源位置和访问标签。可为搜索或提取而转换工作副本。原始文件仍是证据锚点。光学字符识别、电子表格解析、转录和文档转换可能引入错误；派生文本应保留指向其来源页面、单元格、幻灯片或时间戳的指针。

版本控制至关重要。数据室文件可能在没有可见历史记录的情况下被替换。一项政策可能以多个版本上传。更新后的 DDQ 可能在受到质疑后更改答案。系统不应覆盖早先的证据。它应记录取代关系、识别变更内容并确定先前发现是否需要复核。

通话需要知情治理。团队应确认录音或转录是否合法且已获同意，区分转录文本与审阅者笔记，并保留时间戳。对于重大陈述，应核实发言者归属。当录音不合适时，简明的通话记录仍可作为权威记录。

第三方 AI 服务会带来额外依赖。IOSCO 和 FCA 的材料强调问责、技能、监督和第三方风险。尽职调查负责人应批准服务提供商、允许的数据类别、安全控制、合同条款、日志记录、模型变更、事件响应和退出安排。敏感证据不应通过个人账户提交给消费类服务。

表 2. 受控摄取与溯源字段

派生内容仍与不可变源及其访问条件保持关联。

4. 将 DDQ 问题映射至证据要求

DDQ 覆盖矩阵应回答的不只是是否收到回复。对于每个问题，它应识别预期证据、管理人回答、来源覆盖、审核人结论、例外事项和后续跟进。完整回复仍可能未获支持；文件可能具有相关性但未回应问题；回答可能内部一致，却与独立记录相冲突。

该矩阵以重要性为起点。影响法律存续、监管状态、所有权、关键人员依赖、业绩记录完整性、估值、托管、现金控制、利益冲突、制裁、网络韧性及基金条款的问题通常需要直接审查。风险较低的行政事项可采用抽样验证。重要性应经批准，并能在新事实改变风险时进行调整。

覆盖情况应采用彼此独立的状态。已收到是指所请求事项已送达。已回应是指其回应了该问题。已支持是指来源为该陈述提供了证据。时效性是指证据覆盖相关期间。已一致是指其与其他重大证据相符。已审核是指负责的专业人员检查了来源并记录了结论。这些状态绝不应合并为一个百分比。

该矩阵还可以识别证据依赖关系。多个回答可能依赖同一政策或服务提供商报告。如果该来源已过时或超出范围，多个问题将受到影响。该图使这种依赖关系可见，并允许团队在新证据到达时更新所有相关发现。

绿色接收指示并不证明已获支持、具有时效性、保持一致或已完成人工审核。

表 3. 覆盖状态及所需审核人操作

每个状态均可独立测试，并可按重要性和工作流报告。

5. 使用 AI 执行限定范围的证据任务

AI 在任务重复、证据量庞大且输出可核查时很有用。分类可将文档路由至相应工作流。提取可识别名称、日期、费用、承诺、服务提供商、控制措施和定义术语。语义检索可呈现与问题相关的段落。比较可突出显示发生变化的 DDQ 答复或政策条款。实体解析可提出人员与投资载体之间的关联。异常分诊可对缺失或相互矛盾的证据进行排序以供复核。

系统应将检索与结论分开。模型可以定位讨论估值冲突的段落。未经经批准的测试和人工判断，它不应认定冲突已得到充分控制。模型可以计算业绩记录各行是否与总额勾稽一致。当交易角色、前身权利或策略定义仍存在争议时，它不应判定归因质量。

提示词和模式应进行版本管理。每次提取都应说明模型、配置、提示词版本、时间、来源标识符以及置信度或验证结果。重要输出需要在页面、段落、单元格或时间戳层级提供引用。不受支持的模型生成文字应排除在证据图谱之外。

应尽可能使用确定性检查。日期、合计、重复标识符、缺失列、公式错误和交叉合计通常更适合用代码而非生成文本来测试。在计算过程得以保留后，AI 可以解释异常。这种分工提高了可重复性，并降低了流畅语言掩盖数值错误的风险。

人工复核人员应收到来源段落、上下文、建议提取结果、匹配原因以及任何相互矛盾的证据。复核操作应便于快速记录：接受、修改、拒绝、升级或要求提供证据。系统通过受控规则和模板在运营中学习，而不是通过对不受治理的模型进行不可见更改来学习。

6. 评估来源置信度，避免制造虚假精确性

来源置信度是一种结构化判断，用于衡量某个来源对特定主张应获得多大权重。它不是一般性的声誉评分。经审计财务报表可在其范围内为历史余额提供有力证据。它可能几乎无法提供关于当前团队能力的证据。与首席运营官的通话可以解释某项控制，而运营样本和独立鉴证能提供更有力的证据证明该控制确实有效。

置信度阶梯应评估权威性、直接性、时效性、完整性、一致性以及受冲突影响的脆弱性。独立监管或法律记录在状态和所有权方面可能处于较高位置。已签署的基金文件对合同条款具有权威性。经审计账目对经审计的认定具有较强证明力。系统导出和样本在来源血缘经验证后可支持运营证据。政策描述设计。DDQ 答复和通话属于陈述，需根据重要性进行佐证。

数字评分可辅助分诊，但底层原因必须保持可见。两个评分相同的来源可能存在不同弱点。模型应存储置信度类别、理由和复核人。当来源过期、出现异常或独立证据到达时，该类别可以改变。

置信度针对具体主张，并结合来源权威性与直接性、时效性、完整性和一致性。

7. 将矛盾与变化保留为证据

矛盾是有价值的尽职调查信号。演示材料中的团队规模可能与监管申报文件不同。DDQ 可能声称估值是独立的，而委员会会议纪要显示投资专业人士批准了估值标记。政策可能要求每年测试，而最新报告日期更早。通话可以对先前给出的宽泛回答加以限定。

系统应保留每项陈述、来源和生效日期。它应创建异常链接，而不是选择最新文本并删除冲突。异常记录应中立地描述问题，展示来源，说明差异为何重要，指明负责人并记录解决标准。

有些差异是合理的。实体范围、定义、期间或重要性可以解释这些差异。因此，解决过程应确定各项主张是否已核对一致、一个来源是否取代了另一个来源、差异是否不重要、整改是否已被接受，或问题是否仍未解决。决策记录应显示投资者采用了哪一结论以及原因。

AI 可以检测精确匹配会遗漏的语义差异，包括对“通常”“须经批准”或“在可行情况下”等限定词的更改。当两项陈述使用不同范围时，它也可能造成虚假冲突。升级前必须进行人工复核。应同时显示原始段落和上下文。

8. 建立具有明确决策权的例外工作流程

例外是指重大缺口、矛盾、控制缺陷、无法解释的结果或证据限制。每个例外都需要明确类型、严重程度、受影响的主张、潜在决策影响、负责人、响应日期和关闭测试。如果另一可靠来源已处理该事项，缺失文件可能属于低严重程度。当小幅数值差异表明业绩记录流程不可靠时，则可能属于高严重程度。

该工作流程应区分证据请求、分析性复核、风险接受、整改和委员会条件。当所需项目到达时，复核人员可以关闭行政性缺口。重大冲突可能需要法律、合规、运营、税务、估值或投资专家参与。剩余风险的接受属于获授权决策机构的职责。

截止日期应反映决策依赖性。妨碍评估的问题应在提出建议前解决。可整改的弱点可能成为先决条件、附函义务或监控行动。委员会应看到哪些事项仍未解决、谁可以接受以及如果条件未满足会发生什么。

关闭需要证据和权限；仅凭管理人员回复并不能关闭重大例外。

表 4. 示例性例外类别与升级

重要性取决于战略、投资者、司法管辖区和决策背景。

9. 通过数据血缘测试业绩记录和投资组合数据

业绩记录分析需要建立一条从已报告的基金和交易指标到底层记录的路径。每项观察结果应标明投资、载体、持有期、现金流日期、币种、总额或净额基础、估值日期、归属权和来源。推算回报应保留计算过程和输入数据。

AI 可协助映射不一致的投资名称、分类现金流、将列报表格与明细文件进行比较，并定位叙述性说明。确定性计算应能重现总额和回报。复核人员应测试定义变更、前身业绩、部分变现、认购融资安排、外汇、核销、接续载体和未实现价值。

投资组合数据还应与有关战略的主张相连接。如果管理人描述的是中低端市场控股型投资，图谱可以检验进入时企业价值、所有权、地域、行业和交易类型。如果管理人声称实现了运营价值创造，投资者可以将举措与投资组合证据相连接，并在数据允许的情况下区分市场、杠杆、估值倍数和盈利效应。

抽样应以风险为基础。大额赢家项目、核销、估值异常值、关联方交易、修订交易以及临近报告截止日的投资值得关注。证据图谱应记录每个样本被选中的原因，以及某个问题是否影响更广泛总体。

10. 将运营尽职调查与控制证据相连接

运营尽职调查考察管理人能否保护资产、计算价值、控制现金、维护记录、遵守义务并在业务中断期间持续运营。证据图谱应将每项控制目标与其负责人、政策、系统、服务提供商、运营证据、保证、事件和整改相连接。

现金控制说明了该方法。管理人可能在尽职调查问卷（DDQ）和资金管理政策中描述双重授权。复核人员应识别银行账户、签署人、付款发起、审批阈值、回电确认程序、访问权限复核、职责分离、对账、例外和事件历史。样本和日志用于测试实际运行。服务提供商报告可补充证据，但须考虑范围、期间和用户控制因素。

外包并不转移责任。FCA 指引指出，公司仍需负责管理由外包和第三方安排产生的风险。IOSCO 的 AI 指引同样强调指定责任、适当技能、测试、监测和对服务提供商的监督。图谱应展示从管理人至行政管理人、托管人、技术提供商、数据供应商和次级处理者的依赖链。

业务连续性证据应涵盖重要服务、影响容忍度、人员、设施、技术、信息和第三方。计划应与测试、发现和整改相连接。如果年度演练遗漏了关键服务提供商或未测试严重情景，即使演练成功，其价值也有限。复核人员应记录测试了哪些内容，以及哪些内容仍不在范围内。

网络证据需要受控访问。架构图、渗透测试发现和事件记录可能高度敏感。投资者可以记录结论、证据标识符、范围、日期和复核人员，而无需广泛披露原始材料。访问控制应随来源的敏感程度而定，同时委员会应收到与决策相关的发现和局限性。

11. 将所有权、治理与冲突作为关系进行评估

所有权与治理天然呈图结构。管理人、控股公司、普通合伙人、基金、附带权益载体、关联方和投资组合公司可能共享所有者、董事、员工和服务提供商。关系模型能够揭示扁平化问卷所掩盖的冲突与依赖关系。

受益所有权应由权威公司记录、组织章程文件、股权结构表以及符合相应司法辖区要求的确认材料予以支持。FATF 强化后的标准强调，法人和法律安排应具备充分、准确且最新的受益所有权信息。尽职调查团队应识别最终拥有或控制相关实体的自然人，并记录现有证据中的任何局限。

治理分析应映射正式权限与实际影响力。委员会条款、投票规则、法定人数、保留事项、利益冲突程序和会议纪要共同确立设计与运作方式。图谱可将所述投资流程与样本中记录的决策进行比对，并识别何时同一人同时出现在项目来源、估值、风险和最终审批环节，从而引发权力集中或独立性方面的关切。

冲突应关联到具体交易和决策。基金之间的分配、交叉交易、接续载体、关联服务、融资安排、共同投资、个人投资、估值和费用可能产生不同的激励。仅有冲突登记册并不能证明管理有效。审查人应将冲突与披露、审批、定价、回避、投资者同意和运营证据相连接。

AI 可支持跨记录的实体解析，但须经复核。相似名称、音译、控股公司和共同地址可能产生错误匹配。每个拟议关联应显示匹配属性和置信度。重大所有权结论需要权威证据和人工批准。

12. 将法律条款与商业发现相结合

法律尽职调查与商业尽职调查应共享一份受控的问题图谱。对团队集中度的商业关切可部分通过关键人士条款予以应对，但法律定义、触发条件、补救措施和替换流程决定保护程度。估值方面的关切可能关联到咨询委员会权利、报告、审计和罢免条款。冲突方面的关切可能关联到同意、披露和分配条款。

证据图谱应存储每项重大条款及其来源条款、定义术语、受影响实体、条件和审查人解释。它应将该条款与底层风险及任何附函请求相链接。这使委员会能够判断某一风险是被规避、控制、定价、披露、接受还是监控。

AI 可检索条款并比较文件，但法律含义取决于完整文书、适用法律和事实。提取的条款应保留上下文条款，并由合格律师进行验证。模型生成的摘要绝不应成为权威法律记录。

谈判变更需要版本控制。系统应比较草稿，显示某项变更针对哪一风险，并确认已签署文件包含获批条款。在往来函件中协商的条件如果未与交割交付物和监控计划相链接，可能会丢失。

13. 建立投资委员会审计轨迹

投资委员会需要一份简明的决策包和可复现的证据记录。决策包应说明拟议承诺投资、策略契合度、预期回报与风险、关键优势、重大例外事项、法律保护、条件、监控计划和推荐意见。每项重大陈述应链接到已批准的核查发现，而不是直接链接到原始模型输出。

审计轨迹应保留决策截止时点的证据状态。数据室内容可能变化，管理人可能稍后提供澄清，市场状况也可能变动。记录应标明当时可用的来源、版本和核查发现，哪些问题仍未解决，以及委员会接受了哪些假设。

决策权限和利益冲突必须明确。记录应标明出席人员、有投票权成员、回避情况、法定人数、表决结果、授权事项和条件。委员会决定可以是批准、否决、推迟、要求补充证据、减少承诺投资或附加条件。决策理由应解释证据与结果之间的联系。

会后行动应转化为具有负责人、日期、证据和升级机制的义务。以附函、政策修订、关键人员招聘或报告交付物为条件的批准，在条件满足前并不完整。当证据缺失时，图谱应阻止结项；当后续事件改变决策依据时，应重新打开该问题。

该记录包含证据截止时间、决策理由、条件以及交割后义务。

表 5：投资委员会记录与控制负责人

记录应按照适用法律、政策和合同义务予以保留。

14. 治理模型、提示词和人工审核

尽职调查系统的 AI 组件需要自身的治理。NIST 的 AI 风险管理框架围绕治理、映射、衡量和管理来组织活动。其《生成式 AI 概况》强调了包括虚构、数据隐私、信息完整性、安全性、知识产权、有害偏见、人类过度依赖和第三方依赖在内的风险。这些风险会直接转化为尽职调查控制措施。

治理应从模型和用例清单开始。每个用例都需要负责人、允许使用的数据、决策影响、验证方法、访问权限模型、服务提供商、变更流程和停用计划。对文档进行路由的分类器与起草投资结论的系统具有不同的风险。后者应受到更严格的限制和审查。

测试应使用具有代表性的文档、复杂版式、表格、扫描文件、多语言、歧义实体和已知矛盾。指标可包括提取准确率、引用准确率、遗漏的重大问题、误报异常和审核员推翻率。结果应按文档类型和用例细分。较高的平均值可能掩盖最关键记录上的失败。

人工审核必须具有实质性。若界面要求审核员批准数百份流畅的摘要，可能产生自动化偏见。审核员需要源文件上下文、明确的升级理由以及足够的时间提出质疑。该流程应监控机械式批准、意见分歧、错误模式和工作量。

模型和提示词变更应触发成比例的重新验证。提供商可能更改托管模型或安全层。公司应知道重要组件何时发生变更，以及先前的性能假设是否仍然有效。日志应保留用于重要输出的模型和配置。

15. 保障证据系统及其数据安全

证据图谱集中了有价值的信息。它可能包含身份、所有权、投资记录、法律文件、网络安全发现和委员会决策。安全架构应实施最小权限、强身份验证、加密、日志记录、环境隔离、数据丢失控制、备份和经过测试的恢复。

访问权限应遵循工作流和实际需要。税务顾问可能需要特定架构和记录。网络安全专家可能需要敏感的技术证据。委员会成员需要与决策相关的调查发现，并在受控权限下访问支持来源。图谱链接应尊重每个连接对象的访问级别，并避免通过搜索摘要片段或生成的摘要泄露受限信息。

提示词注入和恶意文档需要关注。文档可能包含旨在影响 AI 系统的文本。处理流程应将文档内容视为证据，而非指令；隔离工具；限制操作；验证输出；并在任何对外沟通或系统变更前要求审批。检索绝不应赋予模型发送请求、修改记录或批准调查发现的权限。

事件响应应覆盖错误提取、未经授权的访问、提供商遭入侵、数据泄露、模型故障和来源信息损坏。计划应明确遏制、证据保全、法律与监管评估、通知、整改和重新验证。委员会应了解任何实质性影响其决策记录完整性的事件。

16. 设计运营角色和服务水平

证据图谱会改变工作分派。尽职调查发起人负责投资问题和建议。工作流专家负责各自的发现。数据或知识团队维护本体、数据摄取和数据血缘。模型风险或技术风险人员验证 AI 组件。法律、合规、隐私和网络安全团队批准相关边界。投资委员会在其权限范围内承担剩余投资风险。

RACI 矩阵应明确由谁请求证据、验证提取结果、解决例外、批准范围变更并签署最终材料包。系统应防止技术管理员更改审查人结论，并防止审查人改动源记录。紧急访问应被记录并接受审查。

服务水平应优先考虑重要性。高风险例外和缺失的关键门槛证据需要快速升级。较低风险的分类错误可进入批量更正。仪表板应显示积压时长、审查人容量、证据依赖关系和决策截止日期，同时不应鼓励团队仅为提高完成度评分而关闭问题。

培训应涵盖尽职调查方法、来源层级、系统使用、保密性、模型局限性、审查人问责和升级机制。审查人需要足够的技术理解来质疑输出结果，并需要足够的投资背景来判断来源何时与决策相关。

17. 通过受控阶段实施

实施应从一个范围较窄的用例和一份已完成的尽职调查文件开始。团队可以映射问题分类体系、摄取来源、复现已知发现，并衡量该图谱是否改善检索、覆盖范围和可审计性。历史测试可揭示缺口，而不会使正在进行的决策面临风险。

第一阶段建立来源保存、标识符、访问权限和引用。第二阶段增加问题与主张映射。第三阶段引入确定性验证和有边界的 AI 提取。第四阶段连接例外与工作流审批。第五阶段根据已批准的发现生成委员会视图。一旦投资前记录稳定，随后便进入监控义务。

每个阶段都需要验收标准。来源指针应返回正确的页面或单元格。重要提取结果应按文件类型达到批准的准确性阈值。矛盾之处不应被静默覆盖。受限证据在搜索和导出过程中应保持受保护。委员会输出应排除未经审查的发现。

可能有必要并行运行。在新系统证明其完整性、可靠性和用户采用率之前，现有尽职调查跟踪器仍具有权威性。系统之间的对账应予记录。迁移应保留历史日期、作者、决策和证据，而不是将所有内容转换为当前状态摘要。

最后一道关卡是运营韧性。团队应测试供应商故障、模型丢失、提取结果损坏、数据室链接无法访问、人员缺勤和委员会紧急时限。当 AI 组件不可用时，尽职调查流程仍应能够达成受控决策。

18. 衡量系统是否改善决策

成功应通过证据质量、决策控制和运营效率来衡量。有用的指标包括：具有段落级来源追溯的重要发现所占百分比；由当前证据支持的重要问题；以关闭证据解决的例外；移交至监控的委员会条件；审查人推翻率；引用错误；以及查找来源所花费的时间。

仅凭速度是一个弱指标。如果缺乏支持的摘要通过审查，更快的材料包反而可能更差。系统应衡量遗漏的重要问题、虚假信心、未经审查的例外和返工。由独立审查人进行质量抽样，可将结论与来源进行比较，并评估所述置信度是否合理。

决策结果需要谨慎对待。基金业绩受到市场、策略以及尽职调查之外事件的影响。组织仍可检验已识别的风险是否得到监控、条件是否满足、后续事件是否在证据中有所预示，以及原始理由是否仍可复现。

有效的证据图谱能够形成机构记忆。它使投资者能够比较不同基金和基金年份的陈述，识别反复出现的控制缺陷，在服务提供商或人员发生变化时更新发现，并将投资前条件延续至持股阶段。其商业价值来自更快获取可靠证据、更有力的质疑，以及更具可辩护性的决策流程。

治理原则很简单：AI 可以组织、检索、比较并提出建议；可问责的专业人士审查来源、解决不确定性并作出决定。证据图谱为这些专业人士提供结构化记录，该记录在数据室关闭和委员会会议结束后仍可使用。

参考文献

1. 机构有限合伙人协会，《尽职调查问卷2.0》，2021年11月1日。 https://ilpa.org/resources-tools/resource-library/due-diligence-questionnaire/
2. 机构有限合伙人协会，ILPA DDQ 2.0，2021年11月。 https://ilpa.org/wp-content/uploads/2021/11/ILPA-DDQ-2.0.pdf
3. 美国国家标准与技术研究院，《人工智能风险管理框架1.0》，2023年1月。 https://doi.org/10.6028/NIST.AI.100-1
4. 美国国家标准与技术研究院，《人工智能风险管理框架：生成式人工智能概况》，2024年7月，2026年4月更新。 https://doi.org/10.6028/NIST.AI.600-1
5. 美国国家标准与技术研究院，《AI风险管理框架操作手册》，最新资源。 https://airc.nist.gov/airmf-resources/playbook/
6. 国际证监会组织，《市场中介机构和资产管理机构对人工智能和机器学习的使用》，2021年9月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD684.pdf
7. 国际证监会组织，《资本市场中的人工智能：应用场景、风险与挑战》，2025年3月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD788.pdf
8. 国际证监会组织，《资本市场中AI使用的监管工具包》，2026年5月。 https://www.iosco.org/library/pubdocs/pdf/IOSCOPD810.pdf
9. 欧洲证券和市场管理局，《关于在提供零售投资服务中使用人工智能的公开声明》，2024年5月30日。 https://www.esma.europa.eu/document/public-statement-ai-and-investment-services
10. 美国证券交易委员会，《对私募基金顾问检查的观察结果》，2022年1月27日。 https://www.sec.gov/compliance/risk-alerts/observations-examinations-private-fund-advisers
11. 美国证券交易委员会，《风险提示：投资顾问选择另类投资的尽职调查流程》，2014年1月28日。 https://www.sec.gov/newsroom/press-releases/2014-14
12. 美国证券交易委员会，Form ADV 与投资顾问注册资源，最新资源。 https://www.sec.gov/investment/registration-forms-investment-advisers
13. 英国金融行为监管局，《外包与运营韧性》，2026年7月14日更新。 https://www.fca.org.uk/firms/outsourcing-and-operational-resilience
14. 英国金融行为监管局，SYSC 8.1《一般外包要求》，现行《FCA手册》。 https://handbook.fca.org.uk/handbook/sysc8/sysc8s1
15. 英国金融行为监管局，《监管优先事项：批发买方》，2026年3月。 https://www.fca.org.uk/publication/regulatory-priorities/wholesale-buy-side-report.pdf
16. 金融行动特别工作组，《受益所有权》，现行标准与指引。 https://www.fatf-gafi.org/en/topics/beneficial-ownership.html
17. 金融行动特别工作组，《FATF建议》，2025年2月更新。 https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatf-recommendations.html
18. 金融行动特别工作组，《法人受益所有权指引》，2023年3月。 https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Guidance-Beneficial-Ownership-Legal-Persons.html
19. 国际标准化组织，ISO/IEC 42001:2023《信息技术—人工智能—管理体系》，现行概览。 https://www.iso.org/standard/81230.html
20. 国际清算银行，《人工智能用于政策目的》，2025年10月10日。 https://www.bis.org/publ/othp100.htm