>> 中信建投-“逐鹿”Alpha專題報告(二十五)：DeepSeek+RAG行業(yè)輪動策略-250225
| 上傳日期： |
2025/2/25 |
大小： |
27501KB |
| 格式： |
pdf 共28頁 |
來源： |
中信建投 |
| 評級： |
-- |
作者： |
王超,姚紫薇 |
| 下載權限： |
此報告為加密報告，僅限高級會員查看 |
|
|
核心觀點
在先前的報告中，我們曾探討了利用大語言模型（LLM）進行市場與行業(yè)分析，并取得了令人滿意的成果。
當時所采用的模型為DeepSeek-V2和Qwen-Max。由于當時缺乏專門的推理模型（reasoning model），因此需要人工構建思維鏈（Chain-of-Thought, CoT）或提示詞（Bucket Prompts）以輔助分析。
隨著DeepSeek-R1推理模型的問世，我們得以借助其內置的推理能力，更高效地整合和利用相關信息進行深度分析，從而生成更為精準的預測結果。
本文借助DeepSeek-R1模型，對新聞報道、研究報告以及技術指標等文本數(shù)據(jù)進行了系統(tǒng)分析，借助RAG以及自我反?。╯elf-reflection）技術，以此構建了DeepSeek推薦行業(yè)策略?；販y結果表明，DeepSeek-R1所推薦行業(yè)的投資組合展現(xiàn)出顯著的超額收益。
風險提示
本報告中所有數(shù)據(jù)結果是基于歷史統(tǒng)計結果的展示，未來有可能發(fā)生風格切換導致因子失效的風險。模型運行存在一定的隨機性，初始化隨機數(shù)種子會對結果產(chǎn)生影響，單次運行結果可能會有一定偏差。歷史數(shù)據(jù)的區(qū)間選擇會對結果產(chǎn)生一定的影響。模型參數(shù)的不同會影響最終結果。模型對計算資源要求較高，運算量不足會導致結果存在一定的欠擬合風險。本文所有模型結果均來自歷史數(shù)據(jù)，模型存在統(tǒng)計誤差，不保證模型未來的有效性，對投資不構成任何建議。
|
|
