大语言模型(LLM)基础与分类 [page::2][page::3]

• 回顾语言模型发展，从统计模型到基于Transformer结构的BERT和GPT系列模型。

- LLM包含纯Encoder(BERT-style)、纯Decoder(GPT-style)与Encoder-Decoder三种架构。

LLM在数字计算中的应用示例——年化收益率、年化波动率及最大回撤计算 [page::6][page::8][page::9][page::10][page::11]

• 通过Excel公式和函数，借助LLM生成复杂计算步骤，实现股票指标自动化计算。

• Python示例代码实现Excel数据读取，计算年化收益率、年化波动率及最大回撤，结果写入新Sheet。

LLM优化文本生成及定期报告自动更新 [page::12][page::13][page::14]

• 利用Python自动更新Excel表格和基于数据的文本描述，提升撰写效率。

- LLM生成的红利指数现金分红比率定性分析，突出红利指数相较宽基指数更稳定高分红特征。

文本提取数值与研报情绪评分应用 [page::15][page::16][page::50][page::51][page::53]

• 自动从公告新闻提取逆回购操作规模等数据，结构化展示。

- 设计研报文本情绪分析提示词，对盈利增长、市场地位等维度评分，应用于中证超预期指数构建。

RAG技术与LLM结合构建金融知识库 [page::54][page::55][page::56]

• 结合检索与生成模型，缓解模型幻觉和时效性不足。

- 自动提取财经新闻、研报与公告核心内容，支持构建公开及私有知识库。

LLM Agent及DISC-FinLLM在金融场景的应用 [page::57][page::58][page::59]

• 引入Agent架构实现自感知、自规划及自主行动，多专家模块涵盖金融咨询、文本分析、计算和知识检索。

- DISC-FinLLM多模块协同，展现出在金融NLP、人类测试、资料分析和时事解读的卓越性能。

风险提示与合规声明 [page::61][page::62][page::63]

• 数据不完善可能导致结论不准确，LLM存在迭代风险与幻觉现象，结论仅供参考。

- 报告仅代表研究员独立观点，非投资建议，严格声明适用范围及版权限制。

利用LLM一站式优化投研工作——从数据、文本到观点

[郑雅斌，马毓婕，海通证券，2024年8月20日]详细分析报告

---

一、元数据与概览

报告名称：《利用LLM一站式优化投研工作——从数据、文本到观点》
作者：郑雅斌（金融工程首席分析师），马毓婕（联系人）
发布日期：2024年8月20日
发布机构：海通证券研究所
主题：介绍和分析大型语言模型（LLM）在金融投研工作中的应用，包括大语言模型基础知识、实际投研业务效率提升案例、风险提示及LLM的相关技术衍生概念（如RAG、Agent等）。

核心论点：报告重点阐述LLM如何助力金融投研工作流程，通过多种数据类型处理（数值、文本、音频、文件）实现一站式提升研究效率和深入见解。文中涵盖基本概念介绍、实际应用案例、技术工具和产品分析，揭示了LLM赋能投研工作的具体路径与实践示范，同时提出了伴随使用的风险控制建议。报告未明确提出投资评级或目标价，而是突出技术应用价值。[page::0,1,60]

---

二、章节深入解读

2.1 大语言模型基础介绍

• 大语言模型（LLM）的发展历程

起始于2018年Google与OpenAI推出BERT和GPT-1，标志预训练模型时代开启。
- 统计语言模型→词向量模型（Word2Vec）→ELMO→基于Transformer的BERT与GPT。
- 例如，统计语言模型用N-gram概率分布，受上下文长度限制；而神经网络语言模型和Transformer通过深度架构显著提升效果。

• Transformer结构的模型分类

- 纯Encoder型（BERT-style）：双向编码器，用于判别任务，掩码语言模型训练。
- 纯Decoder型（GPT-style）：自回归生成模型，按词序预测下一个词。
- Encoder-Decoder型（Seq2Seq）：可用于翻译、摘要任务。

这部分为后续案例与模型应用提供了理论基础。[page::2,3]

---

2.2 LLM模型优化日常工作效率

此章节通过分类讨论LLM根据输入输出类型优化投资研究工作：

• 关键数据类型场景

1. 数值→数值（复杂计算，如股价收益、波动率等）
2. 数值→文本（财务报告自动更新）
3. 文本→数值（自动提取文本中的数值信息）
4. 文本→文本（文章摘要和观点提炼）
5. 音频→文本（会议纪要录音转写）
6. 文件→文本（快速阅读文档并提炼要点）
7. 文本生成（自动收集公开信息）

• 场景1详细分析：数值 to 数值

通过Excel及Python示例展示LLM如何辅助写出计算股票年化收益率、年化波动率、最大回撤的函数代码。
- Excel示例详述公式书写、对数收益率计算、回撤计算方法，并展示准确的函数引用（如INDIRECT函数用于动态范围）。
- Python代码示例涵盖函数设计思路，数据读取、排序、收益率计算、滚动最大值和回撤计算，及结果存入新sheet，方便集成自动化分析流程。
- 多个LLM工具（ChatGPT、Kimi、通义千问）示例代码展示，便于对比其表达层面和复杂度适配。

• 场景2、3、4简要介绍

- 数值到文本的报告自动更新示例，结合Excel图标和文本自动生成；
- 文本提取数值示例，自动识别文本中分布在新闻中的资金流数据，并用表格整理；
- 长文本提炼总结，如财经新闻、政策文件、基金经理观点，用简洁结构捕捉核心信息，明显提升阅读效率和信息筛选能力。

• 长文本总结示例中的基金经理观点精炼

基金经理蔡志文观点聚焦三大投资主线：上游资源品（铜、铝、油气）、制造业出口及供给侧优化，结合宏观经济和行业现状剖析投资逻辑。报告通过表格形式归纳其重点行业与对应逻辑，体现了模型对长文本多维信息的深刻整理与归纳能力。[page::5-27]

---

2.3 图表深度解读

• 表格一：语言模型发展历程

介绍了统计语言模型、神经网络语言模型到BERT/GPT的演进，突出技术和模型特色，体现语言模型性能和应用范围的扩展。数据说明了技术进步带来的结构变革。

• 表格二：Transformer模型分类

显示不同模型训练方式和功能差异，方便理解LLM架构的选择依据。

• Excel代码截图及函数公式展示（页8）

- 年化收益率计算公式=(INDIRECT("B"&M1) / B2) ^ (252 / COUNT(A:A)) - 1，利用INDIRECT实现动态范围引用。
- 对数收益率用=LN(B3/B2)后续计算日收益率标准差并年化。
- 最大回撤累计最大值计算=MAX(B$2:B2)，回撤率计算=(D2-B2)/D2，最终最大回撤用=MAX(E2:INDIRECT("E"&M1))。
这些公式精准应用金融统计学原理（如对数收益率优于简单收益率），强调数据处理细节。此图直观反映Excel实现复杂财务指标编制过程支持LLM技术在金融计算。

• Python代码截图展示（页9-11）

多个版本的代码通过Pandas实现数据读取、排序、收益率计算、最大回撤、结果写入新Sheet功能，较好说明如何将LLM生成的代码接入实际分析流程。代码同时反映了良好的软件工程实践，方便用户直接应用。

• 长文本结构化展示与摘要截图（17-27页等多页）

通过图表和分点形式体现新闻、政策、基金经理观点的抽象整理能力。基金经理观点被清晰拆解为宏观背景、国际局势、重点投资方向，由表格形式总结有条理。

• 研报文本推理指数走势图（第53页）

说明基于LLM文本推理实现的超预期指数与传统指数走势高度一致，验证了模型在量化金融分析中的实际价值。

• LLM Agent架构图（第57页）

清晰划分Profile、Memory、Planning、Action四大模块，展示Agent设计的逻辑架构。

• DISC-FinLLM任务分类和应用示例图（58-59页）

详述金融领域LLM如何整合计算、文本分析、时事分析和投资建议，展示模型切合中国市场场景优势。

• 知识库示意图（56页）

清晰区分公开信息知识库（研报、公告、新闻）与本地私用知识库（调研纪要、专家访谈、产业链信息），说明RAG技术实现金融数据多维融合。

总体，图表丰富直观，结合文本提供强支撑，说明LLM从基础理论到实践应用的全链条能力。[page::2,3,8-11,12-14,15-16,17-27,53,54,56-59]

---

2.4 估值分析

本报告的主体内容为LLM工具与方法的应用展示，无具体个股估值模型、目标价或类似量化结果。估值理论和模型工具如Black-Scholes期权定价、EDF预期违约概率等均在金融计算模块被提及作为示例，但报告中未包含对某标的的估值分析、参数设定或敏感性研究。[page::58]

---

2.5 风险因素评估

报告后段明确提示：

• 结论基于客观数据及内部计算，非投资建议，存在数据不完善带来的结论不精准风险。

- LLM模型本身存在迭代更新风险与模型幻觉（hallucination）问题，可能多次调用结果不一致，回答仅供参考。

• 报告强调本文内容系介绍大语言模型应用框架和路径，不代表投资立场。

风险提示体现了对LLM技术固有局限及投研应用风险的谨慎态度，提示用户需配合专业判断和严格风险管理。[page::61]

---

2.6 角色声明、合规与法律声明

文末的分析师声明由郑雅斌签发，明确独立性、客观性和数据来源公开性。涉及证监会认证编号及联系信息，增强信服力。法律声明详细规范了报告用途、版权保护及免责声明，明确不构成投资建议，合规要求完整详细，符合专业金融报告标准。[page::62, 63]

---

三、批判性视角与细微差别

• 报告清晰详尽介绍LLM技术及应用案例，但对模型潜在局限性仅较宽泛提示，缺乏在实际金融数据准确性校验、模型风险度量及对抗“幻觉”机制的深入阐释。

- 多个LLM应用案例中，代码示范多基于假设数据完整性，缺少处理异常数据与边界情况的讨论，后续工业级部署仍需完善。

• 报告示例覆盖较新技术和模型（如RAG、Agent），但技术演进速度极快，报告内容未来可能迅速过时，需持续更新。

- 报告未涉及人工智能系统对金融研究人员角色变化的影响探讨，亦未触及伦理、合规和数据安全相关风险。

• 对于场景示例的整体架构与方法总结丰富，但缺少具体绩效或效果对比数据，限制了实际应用效益的量化认知。

- 图表展示多为示例截图，少量源数据及模型训练细节未公开，审阅完整性依赖后续数据共享。

总体，报告作为技术路径演示极具参考价值，深度和细节尚存进步空间，需用户结合自身场景和专业经验审慎应用。[page::44, 61]

---

四、结论性综合

本报告系统全面地介绍了大型语言模型（LLM）及其衍生技术（如RAG、Agent）在金融投研工作中的实际应用，涵盖了从基础语言模型发展理念到具体编程实践、文本信息提取及观点生成、音频及文件内容自动转录和分析等多个维度。

主要贡献与见解包括：

• 基础介绍清晰，辅助读者理解LLM技术发展历程及核心模型结构，搭建了理论框架。

- 多场景示范充分体现了LLM对金融日常工作效率的提升潜力，尤其体现在投资组合指标计算（年化收益、波动率、最大回撤）的自动化、报告文本提炼与归纳、关键数值抽取、新闻及政策文件的快速总结、基金经理观点系统整理、多模态信息处理（音频转录）及资料甄别抽取。

• 图表与代码演示详细，从Excel函数到Python代码，层层递进，揭示金融数据处理的细节和自动化路径，反映了LLM在金融工程领域的实用操作能力。

- RAG模型的介绍及结合应用，展示了如何将庞大且时效不一的文本数据融合入知识库中，提升检索质量和生成准确性，解决了大模型时效性和知识闭环问题。

• Agent型自主应用架构，概览了未来金融智能体构建的多模块互联思路，实现自主感知、规划、执行闭环，展现了LLM未来投研自动化的趋势。

- 风险提示充分体现谨慎态度，强调LLM回答可靠性限制及可能产生的幻觉效应，明确本报告不构成投资建议，强化技术应用需结合专业判断。

• 分析师声明及合规保障正式，确保内容权威和合法合规，契合券商研究报告规范。

报告的图表与代码示范部分具体呈现了:

• 语言模型的发展演变表，突出BERT与GPT引领的预训练时代。

- Transformer模型类型与训练任务分类说明，助理解模型应用场景。

• Excel与Python代码截图演示股票年化收益率、波动率和最大回撤计算的完整流程，代码结构清晰，动态数据处理合理。

- 长文本新闻政策归纳提炼图，基金经理观点摘要与投资逻辑整理表，体现文本自动抽取与总结能力。

• LLM推理指数走势图说明文本情绪分析与股价预期的一致性。

- RAG知识库体系图，清晰定义公开数据与私有调研数据融合流程。

• LLM Agent架构模块图，定义Profile、Memory、Planning、Action四个核心模块功能。

- DISC-FinLLM多模组示意图，细分金融咨询、文本分析、计算和知识检索四个核心任务模块。

综上，报告提供完善、实操性强的LLM工具指导和应用案例，是金融投研领域理解及运用大型语言模型的有益参考。报告展现了AI技术在提升分析效率、增强数据洞察及辅助决策方面的巨大潜力，值得关注LLM技术发展的金融专业人士深入研读。

---

参考标注

[page::0,1,2,3,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63]

---

结束语

以上为《利用LLM一站式优化投研工作——从数据、文本到观点》报告的系统性深度解读，涵盖了报告中的技术底层、应用实践、图表数据解读、风险控制及合规等重要内容。欢迎针对具体章节或应用场景进一步咨询。

报告