deepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探-中郵證券_第1頁
deepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探-中郵證券_第2頁
deepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探-中郵證券_第3頁
deepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探-中郵證券_第4頁
deepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探-中郵證券_第5頁
已閱讀5頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

金工專題報告金工專題報告DeepseekDeepseek背景綜述及在金融領(lǐng)域應(yīng)用場景初探研究助理:馮昱文 《基本面回撤,高波風(fēng)格持續(xù)——中《各資金持續(xù)流入機(jī)器人,短期注意回調(diào)風(fēng)險,行業(yè)輪動開始超配成長—《基本面回撤,高波風(fēng)格持續(xù)——中《各資金持續(xù)流入機(jī)器人,短期注意回調(diào)風(fēng)險,行業(yè)輪動開始超配成長—《全面牛市正在到來,微盤有望修復(fù)《基本面表現(xiàn)強(qiáng)勢,風(fēng)格切換加速—《信號全部翻多,微盤股高勝率月份萬,這對DeepSeek官方服務(wù)器造成了顯著的壓力。與此同時,受益于DeepSeek的開源方案,眾多第三方平臺宣布接入DeepSeek-R1截至目前可以訪問DeepSeek的13種途徑,并詳細(xì)介紹了如何使用API中可能會遇到的實(shí)際場景,并嘗試使用DeepSeek-R1進(jìn)行問題解答與處理,也在諸多DeepSeek使用案例中展示D本報告中的案例僅供測試使用,不構(gòu)成投資建議;DeepSeek回答存《小市值反彈,高波風(fēng)格占優(yōu)——中郵因子周報《小市值反彈,高波風(fēng)格占優(yōu)——中郵因子周報20250119》-2025.市場有風(fēng)險,投資需謹(jǐn)慎請務(wù)必閱讀正文之請務(wù)必閱讀正文之后的免責(zé)條款部分2 12 13 17 20 23 27 31 33 35 36請務(wù)必閱讀正文之后的免責(zé)條款部分3圖表目錄 5 5 6 8 15 15 16 16 18 18 19 21 21 22 22 25 28 請務(wù)必閱讀正文之后的免責(zé)條款部分4 32 請務(wù)必閱讀正文之后的免責(zé)條款部分51DeepSeek背景介紹舉超過豆包成為國產(chǎn)日活用戶最多的大模型,同時也成為全球用戶增長最快的AI資料來源:AI產(chǎn)品榜,中郵證券研究所資料來源:AI產(chǎn)品榜,中郵證券研究所4Turbo的17%,低成本、高性能的疊加使得需求端爆發(fā)式增長:一方面網(wǎng)頁端及部署DeepSeek大模型。DeepSeek-R1模型的問世不僅刷新了AI應(yīng)用的普及速度,我們認(rèn)為DeepSeek-R1模型在2025年1月引發(fā)的轟動只是中國AI行業(yè)快速發(fā)對于AI大模型應(yīng)用的開發(fā),DeepSeek-R1將會在更多領(lǐng)域展現(xiàn)出更大的影響力。請務(wù)必閱讀正文之后的免責(zé)條款部分6核心貢獻(xiàn)。請務(wù)必閱讀正文之后的免責(zé)條款部分7資料來源:Bi,Chen,etal.論文《DeepSeekLLMScalingOpen-SourceLanguageModelswithLongtermism》,中郵證券研究所果為模型的擴(kuò)展方向提供了有力的指引,助力在模型開發(fā)過程中更合理地規(guī)劃資請務(wù)必閱讀正文之后的免責(zé)條款部分8注意力機(jī)制(GQA)。而在這篇文章中,主要介紹了MLA(Multi-HeadLatentAttention)在性能表現(xiàn)上優(yōu)于MHA,并且在減少KV緩資料來源:DeepSeek論文《DeepSeek-V2:AStrong,Economical,andEfficientMixture-of-ExpertsLanguageModel》,中郵證券研究所MoE的主要優(yōu)勢在于:1)在不顯著提升計算成本的前提下,拓展模型的容量。處理中表現(xiàn)更為出色。3)實(shí)現(xiàn)稀疏激活。借助門控機(jī)制,在運(yùn)行過程中,僅讓部分請務(wù)必閱讀正文之后的免責(zé)條款部分9資料來源:DeepSeek論文《DeepSeek-V2:AStrong,Economical,andEfficientMixture-of-ExpertsLanguageModel》,中郵證券研究所在傳統(tǒng)的強(qiáng)化學(xué)習(xí)方法里,像近端策略優(yōu)化(PPO,Pro不過,訓(xùn)練Critic模型這一過程本身會額外增加計算成本。GRPO之所以可以舍棄Critic模型,是因?yàn)樗柚恕叭后w分?jǐn)?shù)”(group請務(wù)必閱讀正文之后的免責(zé)條款部分這篇論文在DeepSeek-V2論文基礎(chǔ)上介紹了DeepSeek-V3這一致力于提升開源模型性能,推動語言模型向通用人工智Multi-TokenPrediction的目的在于,通過促使模型在每個位置對多個未來度,幫助模型更有效地規(guī)劃自身的內(nèi)部表示,進(jìn)而增強(qiáng)對后續(xù)令牌的預(yù)測能力。策略,如在不同階段使用不同精度的數(shù)據(jù)類型,F(xiàn)P8訓(xùn)練可以保持與全精度訓(xùn)練相請務(wù)必閱讀正文之后的免責(zé)條款部分這篇論文主要介紹了DeepSeek-R1和DeepSeek-R1-Zero這兩個推理模型,展模型推理能力方面的應(yīng)用。資料來源:DeepSeek論文《DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning》,中郵證券研究所Zero自主掌握了通過延長測試時計算(extendedtest-timecomputation)的方請務(wù)必閱讀正文之后的免責(zé)條款部分習(xí)環(huán)境相互作用的過程中,自發(fā)產(chǎn)生的,這也被成為大模型的“頓悟時刻”(Ahamoment)。DeepSeek-R1能夠在極低訓(xùn)練成本下實(shí)現(xiàn)與ChatGPT-o1相當(dāng)?shù)男阅?,主要依們羅列了DeepSeek-R1與傳統(tǒng)大模型在各項維度上使用的技術(shù)的對比:\正是有了以上的技術(shù)手段,才能讓DeepSeek-R1在如此低的訓(xùn)練成本下訓(xùn)練出請務(wù)必閱讀正文之后的免責(zé)條款部分2DeepSeek使用入門由于用戶的快速增長,因此在使用DeepSeek網(wǎng)頁端或手機(jī)應(yīng)用時經(jīng)常會出現(xiàn)“服務(wù)器繁忙,請稍后重試”的提示,我們總結(jié)了目前市面上常見的DeepSeek訪問途徑如下:請務(wù)必閱讀正文之后的免責(zé)條款部分除了DeepSeek官方提供的網(wǎng)頁端訪問路徑以及手機(jī)應(yīng)用app端,我們還羅列了一些接入DeepSeek模型的第三方大模型服務(wù)平臺,如網(wǎng)頁端可以直接訪問的國已接入DeepSeek模型的服務(wù)平臺,如模型托管在美國的Perplexity.ai等。在這些接入了DeepSeek大模型的平臺中,也有一些平臺提供了除對話外的輔助功能,如QuoraPoe平臺就可以進(jìn)行模型比較,Ima模型可以使用拖拉拽的除了訪問已封裝為Chat-as-a-Service服務(wù)的第三方大模型服務(wù)平臺,還可以利用API對DeepSeek模型進(jìn)行訪問,此種方法前期準(zhǔn)備工作相較于直接訪問模式請務(wù)必閱讀正文之后的免責(zé)條款部分會更復(fù)雜一些,但是優(yōu)點(diǎn)也是顯著的,相較于直接訪問使用API調(diào)用很少會出現(xiàn)服型進(jìn)行輔助。一般使用API對DeepSeek進(jìn)行訪問的流程如下,以騰訊云與冊之后進(jìn)入鏈接:/Step2:完成實(shí)名認(rèn)證后,在以下頁面生成DeepSeek模型的API:Step4:下載CherryStudio,網(wǎng)址為:Step5:在客戶端中關(guān)聯(lián)之前注冊API的模型服務(wù),輸入相應(yīng)的API請務(wù)必閱讀正文之后的免責(zé)條款部分請務(wù)必閱讀正文之后的免責(zé)條款部分以上就是利用第三方大模型服務(wù)以及CherryStudio客戶端進(jìn)行大模型使用3DeepSeek在普通人投資場景下的實(shí)例分析話測試的方式協(xié)助投資人了解自己的風(fēng)險偏好。請務(wù)必閱讀正文之后的免責(zé)條款部分請務(wù)必閱讀正文之后的免責(zé)條款部分如上所示,利用提示詞引導(dǎo)DeepSeek設(shè)計問題并規(guī)定問答流程,可以簡單快在以上問題的基礎(chǔ)上還可以繼續(xù)追問以下問題,以獲得更詳細(xì)的風(fēng)險偏好特1.5個問題太少了,我認(rèn)為不能描述我真正的風(fēng)險偏好,請務(wù)必閱讀正文之后的免責(zé)條款部分20的投資產(chǎn)品。這種情況下,可以利用deepseek輔助進(jìn)行投資選擇。在該場景下的提示詞設(shè)計需要清晰描述自己的情況,以讓deepseek提供更具體的投資建議。一般來說需要告知deepseek的內(nèi)容包括:項目后利用這筆投資款用于購房首付,首付款大概在300到350萬之間,我的首要要求是不能1.心理層面:需要告訴deepseek自己能接受的短期虧損上限是多少。如果自己不清楚可2.財務(wù)能力:主要需要告訴deepseek用于投資的資金是否是長期閑置資金或者該筆資金合規(guī)性:如有家人從事金融相關(guān)行業(yè),需要提前告如果有個人偏好的要求,如是否關(guān)注ESG投資,是否希望組合盡可能“省心”等。請務(wù)必閱讀正文之后的免責(zé)條款部分21請務(wù)必閱讀正文之后的免責(zé)條款部分22請務(wù)必閱讀正文之后的免責(zé)條款部分23既保留超額收益潛力,又通過債券降低整體波動率。于此同時DeepSeek的方案中益資產(chǎn)設(shè)置10%的止損線,防止深度套牢,以及利用貨幣基金、債券基金提供流動性緩沖與利潤安全墊,可以較好的應(yīng)對突發(fā)資金需求。最后我們也可以看到,DeepSeek的方案也考慮了投資人為投資新手的因素,選擇了研究門檻較低的指數(shù)則更加困難。在這種情況下,可以利用deepseek快速了解金融產(chǎn)品。請務(wù)必閱讀正文之后的免責(zé)條款部分24請務(wù)必閱讀正文之后的免責(zé)條款部分25請務(wù)必閱讀正文之后的免責(zé)條款部分26行業(yè)主題型基金、混合型基金、股票型基金以及海外/QDII型基金。并且針對不同輔助進(jìn)行投資:請務(wù)必閱讀正文之后的免責(zé)條款部分272.這些債券基金有什么差別?如何評價一個債券基金的好壞?在你提供的債合。在此情境下,我們可以利用deepseek輔助我們進(jìn)行投資選擇。請務(wù)必閱讀正文之后的免責(zé)條款部分28請務(wù)必閱讀正文之后的免責(zé)條款部分29請務(wù)必閱讀正文之后的免責(zé)條款部分30請務(wù)必閱讀正文之后的免責(zé)條款部分31請務(wù)必閱讀正文之后的免責(zé)條款部分32此處上傳了上市公司年報摘要,除此之外,還可以利用DeepSeek的強(qiáng)大功能1.上傳上市公司公告,讓DeepSeek輔助進(jìn)行分析,如上傳某3.上傳宏觀數(shù)據(jù),讓DeepSeek對宏觀經(jīng)濟(jì)情況進(jìn)行分析,并對后續(xù)投資給請務(wù)必閱讀正文之后的免責(zé)條款部分33回答存在良莠不齊的可能。我們可以采用逆向思維,在DeepSeek給出回答后,讓請務(wù)必閱讀正文之后的免責(zé)條款部分34請務(wù)必閱讀正文之后的免責(zé)條款部分354展望毋庸置疑以DeepSeek為代表的大模型產(chǎn)品與工具已經(jīng)極大的影響了投研工一方面是因?yàn)镈eepSeek等大模型是通用類或邏輯類大模型,并不是應(yīng)用于金融領(lǐng)請務(wù)必閱讀正文之后的免責(zé)條款部分36認(rèn)為該方向也會是未來大模型輔助金融工作重要的研究方向之與此同時

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論