AI赋能资产配置(八)：DeepSeek在资产配置中的实战解答

请务必阅读正文之后的免责声明及其项下所有内容AI 赋能资产配置（八）DeepSeek 在资产配置中的实战解答核心观点策略研究·策略深度证券分析师：王开证券分析师：董德志021-60933132021-60933158wangkai8@guosen.com.cndongdz@guosen.com.cnS0980521030001S0980513100001联系人：郭兰滨010-88005497guolanbin@guosen.com.cn基础数据中小板/月涨跌幅(%)6847.32/3.41创业板/月涨跌幅(%)2228.64/2.11AH 股价差指数128.51A 股总/流通市值 (万亿元)82.54/75.90市场走势资料来源：Wind、国信证券经济研究所整理相关研究报告《价值投资新范式(七)-风格投资复合视角——重构与迁移》 ——2025-02-25《2025 年 A 股市场春季展望——科技浪潮引领资产价值重估》——2025-02-20《“新质生产力”系列专题（九）-并购重组赋能新质生产力》 ——2025-02-15《2025 年价值投资新范式(六)-国央企突围》 ——2025-01-18《策略实操系列（二十三）——A 股总股东回报的来源解析》 ——2024-12-31本报告汇总了近期交流中，投资者对 DeepSeek 赋能资产配置的具体关注，并进行了详细的回答。总的来说，本文关注 AI 赋能资产配置的技术细节，重点分析了政策信号量化、数据处理方法、AI 投研应用及其在金融市场中的具体落地方案。AI 可以有效量化政策信号强弱及其对市场的影响。AI 在文本信号解析方面展现了强大的文本理解与量化能力。通过 NLP 技术，AI 可以提取政策关键词、分析情感倾向、识别历史相似性，并构建学习解读指数。例如，通过 DeepSeek深入学习体会货币政策表述中措辞变化。通过 AI 逐期文本对比分析结合市场反应回测，可建立标准化的信号量化体系。在 AI 数据投喂中，应遵循因果一致性原则，避免回测纳入未来信息。在资产配置模型训练过程中，严格遵循因果一致性原则，确保数据时间逻辑合理，避免未来信息泄露。研究可采用逐期迭代学习方式，使 AI 能够适应市场环境变化，提高策略的稳健性和可解释性。相比全样本学习，逐期投喂数据能更好地动态优化短周期策略，提升市场适应性。在数据处理方面，AI 的优势在于对大规模多维度信息的有效整合。除了宏观变量，还可引入流动性、市场情绪、估值等综合指标，增强 AI 对市场行为的理解。但过度引入高维数据可能导致信息权重偏移，因此需精准选取关键变量，以提升策略解释力与前瞻性。结合本地知识库，AI+RAG 能够有效实现已有配置框架的落地。当前 AI 在知识库构建方面存在数据选择偏差问题，可借鉴 RAG（检索增强生成）方法，通过检索-增强-生成流程提升 AI 的信息提取与分析能力。例如，AI 在基金分析时，可先检索基金历史表现、市场环境等关键信息，再结合模型生成分析结果，提高解读精准度。结构化 Prompt 设计与实时逻辑输出，确保 AI 赋能的可靠性。为了确保 AI计算的可靠性，本研究采用结构化 Prompt 设计，明确计算逻辑，并结合代码方式进行交互，以实现可追溯性和结果可复现性。此外，在策略构建过程中，AI 结合宏观预测调整权重，使资产配置更具稳健性。现阶段，AI 与投研的结合应用仍有局限性。未来，AI 将在市场深度洞察、大型专项研究等领域进一步优化应用。通过不断改进 Prompt 设计、调整知识库投喂方式、优化微调机制，AI 可更精准地适应金融市场环境，并在人机协同模式下实现研究效率提升。风险提示：模型过拟合风险；数据口径调整风险；AI 推理的不稳健性。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告2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？ ............