国金证券大模型赋能投资研究场景探索

在当前数字化与智能化快速发展的时代，金融领域正经历着深刻的变革。证券行业作为金融体系的重要组成部分，面临着前所未有的机遇与挑战。随着人工智能技术的持续进步，尤其是大模型技术的不断突破，证券行业的智能化发展迎来新的契机。截至目前，至少有30家证券公司相继宣布接入DeepSeek等大模型产品或推进其本地化部署，这标志着证券行业在智能化发展道路上迈出了重要步伐。

大模型在证券行业的应用主要集中在投研、投顾、运营等领域。通过文档问答、指标预测、文本生成等方式，大模型为证券行业提供了强大的技术支持。但与此同时，其在证券行业的应用也面临三大问题与挑战。

如何选择最合适的大模型应用场景以确保其快速适配，并发挥最大效用，是证券公司急需解决的核心问题。证券公司需要根据大模型的技术优势与自身的业务需求和技术能力选择在哪些典型场景应用大模型，以确保能够发挥其技术优势，尽快见到成效。

虽然大模型在部分证券公司进行了本地化部署，并在多个场景中进行了初步验证，但具体的效果和精度数据仍未完全披露。大模型适配场景的精度评估和性能优化等问题亟待进一步解决，以确保其在证券行业的实际应用效果。

大模型及其思维链(Chain of Thought,CoT)技术在证券行业的应用面临着如何充分挖掘其潜力，并将深度思考能力落地于创新应用的问题。具体来讲，思维链技术能够展示完整的思维推理过程，提升推理的可解释性和透明度，但如何将思维链技术应用于证券行业，为投研分析提供增量创新支持，并没有明确的答案。在实际应用中，如何通过思维链优化信息提取流程、提升推理逻辑的清晰度、细化投资策略，这些问题亟待在具体场景中深入探讨。

当前，大模型技术正处于“长坡厚雪”阶段，其通用性与溢出效应正在引发一场深刻的生产力变革。金融行业作为数据密集型行业，拥有丰富的数据资源、完善的数字化基础和多样化的业务场景，有望成为大模型技术落地的先锋。

为顺应这一趋势，国金证券股份有限公司(以下简称“国金证券”)提出并践行“AI友好型组织”的理念，旨在通过优化业务和数据流程，实现人工智能与业务场景的深度融合，提升效率、优化决策、激发创造力，为证券行业的智能化转型提供强劲动力。

在此背景下，国金证券围绕大模型在证券行业的适配性展开研究，基于文档问答测试，评估大模型在金融文本理解任务中的表现，并结合国金证券特色场景，即大模型产业链图谱挖掘与研报因子挖掘，分析思维链技术如何优化投资研究流程，提升数据分析推理的透明度和严谨性。

国金证券将DeepSeek大模型接入公司的特色大模型产业链图谱智能挖掘场景中(其技术架构如图1所示)，原创性地提出了国金证券产业链测评体系(如图2所示)。具体来说，即利用产业链的树状结构进行相关的编辑距离计算，并将DeepSeek大模型自动挖掘的产业链图谱与已有的产业链基准库数据进行对比，计算两者之间的平均编辑距离。

图1 国金证券大模型产业链图谱智能挖掘技术架构

图2 国金证券产业链测评体系

经测评，DeepSeek自动挖掘的产业链图谱与基准库之间的平均编辑距离相近，这表明DeepSeek能够准确地挖掘和构建产业链图谱，其结果具有较高的可靠性和有效性。这进一步证明了思维链技术在产业链分析中的应用价值。在产业链多样性与丰富度方面，国金证券还测评了产业链图谱节点数。DeepSeek挖掘出的产业链图谱中的节点数较多，这代表产业链的丰富度较高，DeepSeek能够更细致地拆解产业结构，深入挖掘行业脉络，从而形成更为全面和细致的产业链分析框架。

在产业链挖掘方面，现阶段证券行业普遍是通过人工来进行的，一个新的产业链产生后，相关人员需要花费一定的时间进行整理和挖掘，并不能做到实时更新。而采用大模型产业链智能挖掘技术进行产业链挖掘不仅能够实现快速处理，而且其精度与人工挖掘相当。这一技术的应用有望改变证券行业的生态，提升行业效率，增强产业链分析和决策能力。

在数字化转型和智能化发展的背景下，人工智能技术正深刻改变着各行业的运作方式。为了更客观地评价DeepSeek在因子生成方面的精度，国金证券采用ChatGPT-4o对DeepSeek输出的各个维度进行打分，力求更客观准确地评估模型的性能。测评结果见表1。

表1 ChatGPT4o对DeepSeek的测评结果

在语言流畅性和表达方面，DeepSeek生成的内容语句简洁明了，流畅性较好；虽然简化了一些细节，但这种表达风格对于快速理解报告非常适用，没有复杂的句子结构，语气也比较统一，评分为4.5分。

在结构清晰度方面，DeepSeek报告结构清晰，层次分明，每一部分都有明确的标题，内容按照逻辑顺序递进，从引言到结论，每个部分都能相互衔接，容易追踪并快速提取关键信息，评分为5分。

在信息丰富性方面，DeepSeek提供了详细的内容，特别是在“增量信息”部分，清楚地列出了具体的内容，并展示了不同频率下因子的表现。尽管信息简化了一些，但并没有牺牲必要的细节，评分为4.5分。

在因子逻辑正确性与合理性方面，DeepSeek因子逻辑在生成过程中能够体现出预期惯性因子的核心作用，符合实际市场的反应模式，并且在因子表现方面，频率调整和因子优先级的关系得到了合理展示，总体逻辑非常符合投资领域的实践需求，评分为4.5分。

在代码可读性与可用性方面，DeepSeek生成的内容非常简洁，适合快速生成报告并应用于实际操作中，易于理解和实现；在代码支持部分，简洁的逻辑和清晰的表达方式使得实际应用中代码的可用性更高，维护和修改也更加容易，评分为4.5分。

综合对比来看，DeepSeek在报告的生成和应用方面具备显著优势，在报告生成的速度、可读性、简洁性和内容的深度上表现优秀，适合快速高效的工作环境，其对信息的筛选和简化让内容更加适合快速决策者；而且，其代码可用性较好，因子逻辑合理，整体表现出色。

在特色场景中，国金证券对DeepSeek进行了深入测评(如图3所示)，结果显示，DeepSeek显著提升了业务效率和决策质量。

图3 DeepSeek在国金证券特色场景中的测评结果

注：定位位置类题目和分析总结类题目满分均为100分。

在具体应用中，DeepSeek展现出完整的思考过程，使其与用户问题的关联性清晰可见。通过深度思考和开放的思维过程，推理的直观性得到显著提升，可帮助用户更快速地获取关键信息，提升了文档问答的精度和效率。尤其在通用文档问答场景中，DeepSeek提供了文档问答的原文定位思路指引，用于生成文档分析总结的逻辑推理报告，帮助用户更好地理解和定位文档中的关键信息。在产业链图谱智能挖掘场景中，DeepSeek基于其思维链技术，生成了产业链深度思考报告，对产业链中的关键因素和关系进行了深入分析和挖掘。此外，DeepSeek还生成了因子深度思考报告和代码深度思考报告，分别对大模型研报解读与因子挖掘过程、大模型因子挖掘及代码生成过程进行详细解析，进一步提升了用户在这些领域的理解和应用能力。DeepSeek思维链技术优势如图4所示。

图4 DeepSeek思维链技术优势

在深入测评之后，国金证券聚焦DeepSeek大模型在证券行业的创新应用，将其技术优势与自身业务需求相结合，实现了多项突破性进展，为证券行业的智能化转型提供了有力支持。

在大模型产业链图谱智能挖掘场景中，国金证券引入DeepSeek的思维链技术，不仅可展示思维推理的完整过程，还大幅提升了产业链研究的系统性。借助思维链的推理能力，国金证券能够对复杂的产业结构进行更精细的层级拆解，深入梳理行业脉络，形成逻辑清晰、洞见深刻的产业链分析框架，并最终加工生成深度思考报告。

DeepSeek思维链技术在国金证券特色产业链研究的应用包括以下几个场景：

(1)产业链智能拆解

通过DeepSeek的思维链技术，国金证券可以对产业链上中下游的企业、技术、供应链关系进行推理建模，形成动态、多层级的产业链图谱。

(2)因果推理与趋势预测

借助思维链技术的逐步推理能力，国金证券不仅可以还原当前的产业发展路径，还能够识别关键变量，对未来趋势进行逻辑推演，以辅助投资决策。

(3)开放思考过程，提升用户体验

思维链的最大特点是可解释性，在产业链研究过程中，国金证券开放思维链的推理过程，从数据输入、关键变量分析、逻辑论证到最终的深度报告，使用户可以直观看到研究团队如何一步步推导结论，提升了信任度与透明度。

(4)思考过程开源，提升研究智能化水平

国金证券计划将部分产业链挖掘的思考过程进行开源，不仅为用户提供更直观的体验，还能促进投资者、研究员与AI的协同优化，推动智能化研究的迭代进步。

(5)深度思考，赋能产业研究智能化

在思维链的赋能下，国金证券将产业链研究从传统的静态分析升级为“智能推理+可解释性分析”模式，助力研究团队和投资者更高效、准确地了解行业格局，发现潜在投资机会，并最终形成更具前瞻性的深度研究报告。

国金证券原创特色场景大模型研报因子挖掘思维链流程(如图5所示)包括通读、溯源、定义和落地四个步骤，对话任务涵盖研报通读概述、因子描述原文溯源、因子定义与计算及因子定制化代码，通过多轮对话逐步完成研报因子挖掘任务。

图5 国金证券原创特色场景大模型研报因子挖掘思维链流程

国金证券基于思维链技术的深度思考能力，生成因子代码可解释性报告。一方面，思维链的深度思考报告能够显著提升因子挖掘的效率与准确性，通过DeepSeek大模型自动生成因子代码，能够快速将研报中的因子描述转化为准确的代码实现，大幅缩短人工编写代码的时间，同时降低因人为疏忽导致的错误率。另一方面，因子代码可解释性报告能够促进金融工程领域的创新与发展。例如，报告中对“预期惯性”因子的深入挖掘，为多因子选股策略提供了新的构建思路，丰富了因子库，有助于投资者发现更具价值的投资机会。此外，生成的代码遵循软件工程最佳实践，具有良好的可读性和可维护性，提高了代码质量。同时，因子代码可解释性报告也有助于知识传承与团队协作，便于新成员快速了解因子与代码逻辑，促进团队成员之间的交流与协作。

在AI友好型治理框架下，国金证券进一步拓展了大模型的应用场景，特别是在产业链图谱智能挖掘和研报因子挖掘等领域，思维链技术的引入，使复杂信息得到层层解析，为证券业务提供系统化、深度化的分析框架，从而提升了投资研究的精准性与科学性。大模型的智能推理能力不仅拓展了金融分析的深度，还提升了投资决策质量，使证券公司能够更精准地洞察行业趋势与投资机会。同时，在AI友好型治理原则下，国金证券在大模型应用方面将更加注重数据安全、合规性与公平性，助力证券行业构建更加稳健和负责任的智能化体系。

展望未来，思维链技术将在证券行业的多个应用场景中发挥深远影响。随着技术的持续创新，大模型将在投资研究、智能问答、风控管理等领域不断得到深化应用，为证券公司的智能化转型提供更强助力。凭借透明的推理过程与高效的信息提取能力，大模型不仅提升了证券研究的系统性，还增强了投资者对数据来源和决策逻辑的信任感。随着AI技术的持续优化与AI友好型理念的深入实践，大模型将在金融行业的智能化进程中扮演着更加关键的角色，助力金融机构实现创新发展。