AI赋能资产配置：DeepSeek在资产配置中的实战解答.docx

内容目录

一、DeepSeek交互准备：语料制作与数据优化 4

问题1：是否可以结合更加丰富高维的数据来优化资产配置，例如结合宏观、市场行为和政策信号，提升AI对市场的理解和预测能力？ 4

问题2：如何应对投喂数据“非收敛性”带来的的挑战？ 4

问题3：如何优化投资/基金研究知识库构建？AI在长文本检索的效果如何提升？ 5

问题4：AI是否更擅长政策文本分析，从定性解读到定量建模？ 6

问题5：投喂底稿时是否包含自身的研究范式与逻辑？其结论是否可能与市场主流观点存在差异？这是否会影响AI输出结果的准确性？ 7

二、DeepSeek交互实践：指令设计与接口调用 7

问题1：具体prompt构建方式 7

问题2：AI代码提问和窗口提问的区别，具体实现逻辑 8

问题3：运用AI时，能否以文本互动的方式提供思考逻辑（每一步）；在AI对风险贡献、回溯周期的调整结果中，具体数字代表的含义，实践中如何引导AI给出该数字 9

三、DeepSeek训练与学习：模型优化与应用实践 10

问题1：历史数据学习期间是否就用了未来数据 10

问题2：在投喂语料时，逐期喂入数据进行迭代优化，是否优于全样本学习？ 10

问题3：AI计算结果的可验证性：是否可以通过算法输出与自主代码计算进行对比验证？ 11

问题4：XGboost模型的作用是什么？优化效果如何？ 11

问题5：AI计算的稳定性与可解释性：为何多次运行结果可能存在差异？这种问题该如何解决？.12

问题6：AI对主动管理型产品赋能后，能否在中长期维度跑赢被动型产品？请客观评价AI在资产配置中的作用。 12

四、DeepSeek未来展望：客户研究支持与落地 13

问题1：AI能为研究员提供什么服务？ 13

问题2：资管机构大规模部署AI设施，那么基金经理和研究员如何与IT部门之间形成有效的沟通？问题3：海内/外资管机构AI投研的应用情况如何？ 14

风险提示 17

图表目录

图1：DeepSeek实现央行货币政策委员会文本对比分析案例 4

图2：DeepSeek实现央行货币政策委员会文本情感分析 4

图3：检索增强生成（RAG）原理 5

图4：DeepSeek全自动打分（仅投喂政策文本） 6

图5：DeepSeek半自动打分（投喂政策文本+分析师框架） 6

图6：常见Prompt的构建方式 8

图7：DeepSeek页面端请求 9

图8：DeepSeekAPI接口访问 9

图9：DeepSeekAPI参数含义 9

图10：避免未来数据污染的操作路径举例 10

图11：股债强弱打分指标胜率展示 12

图12：实际股债强弱vsDeepSeek调整 12

图13：实际股债强弱vsXgboost调整 12

图14：实际股债强弱vs等权重扩散指数（未调整） 12

图15：AI赋能总量研究：“两维度”AI含量指标的构建 14

图16：Aladdin平台的主要功能 15

图17：Spectrum平台及SpectrumGPT 15

图18：AI投研应用落地示范 16

表1：资产价格走势“不收敛”带来的问题 5

表2：“窗口提问”和“API调用”方式的对比 8

表3：逐期投喂vs全样本投喂 11

一、DeepSeek交互准备：语料制作与数据优化

问题1：是否可以结合更加丰富高维的数据来优化资产配置，例如结合宏观、市场行为和政策信号，提升AI对市场的理解和预测能力？

在资产配置优化过程中，除了传统的宏观变量，流动性、市场情绪、估值、政策信号等因素同样可能对市场表现产生关键影响。AI的核心价值在于将结构化（数字）与非结构化数据（自然语言）结合，优化市场判断逻辑，从而提升资产配置的前瞻性和有效性。

市场情绪、估值、政策文本等因素的引入可以帮助AI捕捉更多信号、优化资配结果。例如，AI可以对各类关文件进行文本解析和学习解读，提取政策关键词、情感倾向、信号强度，构建政策周期指数，并结合市场反应进行回测，从而提升对市场趋势的判断能力。

图1：DeepSeek实现央行货币政策委员会文本对比分析案例 图2：DeepSeek实现央行货币政策委员会文本情感分析

DeepSeek、央行货币政策委员会、整

理

DeepSeek、央行货币政策委员会、

问题2：如何应对投喂数据“非收敛性”带来的的挑战？

在资产配置中，一些资产（如黄金、部分国债）存在长期趋势性、不收敛的特性，即便使用大模型进行调整，也可能难