债市DeepSeek赋能固收研究初探.pdfVIP

债券市场专题研究

正文目录

1引言4

2何为大语言模型？4

2.1预训练与微调模型5

2.2提示词工程模型5

2.3指令类与推理类模型6

3大模型在金融任务中的应用6

3.1金融大模型一览6

3.2金融大模型应用场景初探8

3.2.1语言任务8

3.2.2情绪分析8

3.2.3金融时间序列分析9

4深度求索，DeepSeek9

4.1全面解析DeepSeek9

4.2DeepSeek应用场景初探11

5风险提示13

2/14

债券市场专题研究

图表目录

图1：金融领域大模型演变史4

图2：金融LM中使用的技术比较：从FinPLM到FinLLM5

图3：提示词工程：零样本COT提示6

图4：提示词工程：案例展示6

图5：金融大模型发展历程7

图6：金融中各种语言任务的图示8

图7：金融情感分析代表论文9

图8：金融时序分析9

图9：检索增强生成（RAG）10

图10：DeepSeek架构，采用MLA和MoE进行推理训练11

图11：DeepSeek量化交易能力卓越（第一）11

图12：DeepSeek语言能力表现位列前茅（第七）11

图13：用户提问和DeepSeek思考过程（R1模式联网有哪些信誉好的足球投注网站）12

图14：信息检索后续补充需求12

图15：代码原题和DeepSeek解答12

图16：引导DeepSeek进行细节解释12

图17：2025年1月社融规模及其结构提问和思考过程13

图18：2025年1月社融数据分析结果13

3/14

债券市场专题研究

1引言

在金融市场复杂度不断攀升的背景下，大模型凭借其强大的数据处理、规律识别以及基

于数据决策的能力，备受业界关注。随着AI技术的发展，特别是大语言模型（LargeLanguage

Models，简称LLM）的兴起，金融投研工作迎来全新机遇与挑战。随着深度学习技术突破，

Transformer架构和自监督学习的进步，大模型量化方法在金融领域迅速崛起，其能处理自

然语言和图像数据，通过分析市场新闻、财报等非结构化数据辅助投资决策，具备强大的模