>> 華泰證券-金工深度研究：面向投資研究行業(yè)的GPT使用指南-230426
| 上傳日期： |
2023/4/26 |
大?。?/td>
| 4170KB |
| 格式： |
pdf 共26頁(yè) |
來(lái)源： |
華泰證券 |
| 評(píng)級(jí)： |
-- |
作者： |
林曉明,何康,李子鈺 |
| 下載權(quán)限： |
此報(bào)告為加密報(bào)告 |
|
|
人工智能系列之66：四則案例展示如何使用GPT提升投研效率
人類社會(huì)發(fā)展的基本規(guī)律是先進(jìn)生產(chǎn)力不斷取代落后生產(chǎn)力。如同各行各業(yè)正在發(fā)生的變革一樣，以GPT為代表的大語(yǔ)言模型也將重塑投資研究行業(yè)。本文通過(guò)(1)量化分析、(2)網(wǎng)頁(yè)抓取、(3)文字摘要、(4)行情復(fù)盤四個(gè)案例，探討GPT在投資研究中可能的應(yīng)用場(chǎng)景，展示如何使用ChatGPT提升投研效率，并分析ChatGPT使用技巧?？偟膩?lái)看，ChatGPT在代碼編寫、文本編寫這兩類任務(wù)上表現(xiàn)較好。一方面可以替代日常重復(fù)勞動(dòng)，另一方面能拓展投研人員的能力圈。同時(shí)，生成高質(zhì)量的回答需要提出正確的問(wèn)題，我們通過(guò)實(shí)驗(yàn)總結(jié)出任務(wù)提示Prompt的若干經(jīng)驗(yàn)。
代碼編寫任務(wù)經(jīng)驗(yàn)
(1)ChatGPT利好有代碼基礎(chǔ)但不熟練的開發(fā)者?？梢允∪ゴ罅烤W(wǎng)絡(luò)搜索、查看幫助文檔時(shí)間，大幅提升編程效率。(2)需要使用者有代碼基礎(chǔ)。ChatGPT生成的代碼可能有錯(cuò)誤，需要人工查錯(cuò)；另外，涉及輸入數(shù)據(jù)、輸出結(jié)果這些個(gè)性化程度較高的環(huán)節(jié)，人工實(shí)現(xiàn)效率可能更高。(3)做優(yōu)秀的產(chǎn)品經(jīng)理。項(xiàng)目解耦很重要，ChatGPT很難一步到位，將項(xiàng)目拆解成獨(dú)立的子任務(wù)，引導(dǎo)ChatGPT寫函數(shù)；明確需求很重要，指定函數(shù)的輸入、輸出變量名和格式。(4)代碼出錯(cuò)沒(méi)關(guān)系，可以提供報(bào)錯(cuò)信息要求ChatGPT修改。GPT支持4096個(gè)字符的上下文，能夠在原有代碼基礎(chǔ)上修改。
文字編寫任務(wù)經(jīng)驗(yàn)
(1)文字處理是ChatGPT較為擅長(zhǎng)的領(lǐng)域。自然語(yǔ)言相比代碼冗余度更高，容錯(cuò)率也更高，生成質(zhì)量整體較好。(2)任務(wù)提示Prompt應(yīng)寫在開頭位置，實(shí)驗(yàn)表明當(dāng)Prompt寫在結(jié)尾時(shí)，ChatGPT可能無(wú)法正確理解意圖。(3)GPT處理上下文字?jǐn)?shù)有限制，需要拆分段落，合理分配每輪對(duì)話字?jǐn)?shù)，輸入以1000個(gè)左右漢字為宜。(4)對(duì)于編寫行情復(fù)盤這類“半監(jiān)督式任務(wù)”（有往期答案但沒(méi)有當(dāng)期答案），可以在Prompt中提供少量樣例，GPT支持Few-shot或One-shot學(xué)習(xí)，基于樣例的生成效果相比無(wú)樣例更好。也不必?fù)?dān)心GPT沒(méi)有學(xué)習(xí)2021年9月后的數(shù)據(jù)，新信息同樣可作為Prompt提供。
GPT助力投資研究案例四則
(1)量化分析。目標(biāo)：檢驗(yàn)MACD“金叉”“死叉”事件信號(hào)對(duì)個(gè)股收益預(yù)測(cè)能力。方法：將項(xiàng)目拆解成獨(dú)立的子任務(wù)，引導(dǎo)ChatGPT寫Python函數(shù)。(2)網(wǎng)頁(yè)抓取。目標(biāo)：程序化抓取東方財(cái)富股吧評(píng)論。方法：從原型代碼出發(fā)，逐步添加需求。(3)文字摘要。目標(biāo)：將約10000字的速記稿總結(jié)成約2000字的會(huì)議紀(jì)要。方法：ChatGPT3.5僅支持4096 tokens的上下文。需將原稿拆成約1000字的段落，分別概括大意并輸出。(4)行情復(fù)盤。目標(biāo)：基于A股市場(chǎng)當(dāng)日行情數(shù)據(jù)，編寫復(fù)盤文字。方法：提供行情數(shù)據(jù)和復(fù)盤樣例，采用One-shot或Few-shot學(xué)習(xí)，生成質(zhì)量高。
風(fēng)險(xiǎn)提示：GPT生成內(nèi)容不保證真實(shí)性。GPT生成內(nèi)容具有隨機(jī)性。人工智能挖掘市場(chǎng)規(guī)律是對(duì)歷史的總結(jié)，市場(chǎng)規(guī)律在未來(lái)可能失效。人工智能技術(shù)存在過(guò)擬合風(fēng)險(xiǎn)。深度學(xué)習(xí)模型受隨機(jī)數(shù)影響較大。
|
|
