今天分享的是:AI辅助投研深度案例系列之二:大模型赋能情绪、政策指标构建
《大模型赋能情绪、政策指标构建——AI辅助投研深度案例系列之二》由申万宏源研究团队撰写,聚焦大模型在量化投资领域的应用,探索其在情绪、政策变量构建等方面的作用,为量化投资策略提供新的研究思路和方法。
1. 大模型优势探索:随着大语言模型发展,其强大的自然语言处理和推理能力为量化投资带来新机遇。研究采用腾讯元宝搭载的DeepSeek - R1大模型,利用其上下文学习和常识推理能力,从互联网公开信息推断A股市场或特定板块情绪,对比传统量化指标,分析大模型构建情绪观点的优劣。
2. 构建A股情绪观点:运用Prompt工程,通过精心设计包含任务说明、上下文、问题和输出格式的Prompt,引导大模型判断市场情绪。以2025年1月A股市场为例,大模型经分析政策、事件信息得出看多结论,且多次测试显示其结构输出稳定、逻辑自洽。将大模型情绪判断结果与传统基于价量等数据构建的情绪结构指标结合,能为投资决策提供更全面参考。
3. 行业景气研究应用:以光伏行业为例,对比传统基于热词词频计算的光伏政策景气度方法,大模型可利用其情绪判断和推理能力筛选“热词”并贴标签,构建量化景气度指标。虽2024年后受平台搜索结果限制,模型结果波动降低,但整体择时效果优于原指标。
4. 问题与解决方向:大模型在文本分析和情感判断有优势,但存在数据缺陷、信息偏见和“讨好型人格”等问题。可通过完善预训练策略、接入专业信息源、调整Prompt等方式改进。未来,搭建特定知识库有望改善信息来源有限问题,分档打分的方式可增强量化指标的稳定性。