Edge
Chrome
Firefox
deepseek爆火后，我觉得应该可以用它做些不一样的事情。deepseek在推理，中国文学等方面运用已经有很多人涉及了。考虑到梁文锋原来的量化基金经历，或许deepseek在金融方面也值得一试。
其实以前就有利用chatgpt对基金进行打分的金融研究。例如某份金融工程研究报告指出chatgpt偏好长期投资和成长投资，偏好明确的投资策略，持仓多元化，回报表现和波动控制良好，管理团队经验丰富；如果没有明确的投资或风控策略则会被它视为风险点，高换手，持股集中度高和持股高度分散，个人投资者占比高都会被认为是偏负面影响.....下面是chatgpt对基金评级的标准表
chatgpt对基金评级的标准表
deepseek r1现在这么火，很自然的就想到，用deepseek r1为我的基金评个级，也许，这背后还隐藏着幻方基金的观点。事实上，我用过不同的大模型分别对基金进行过评级，同一个基金在不同大模型下得到的评级确实是不一样的。
于是，我用coze做了一个AI应用，用户只需输入基金名称，大模型就会自动总结出该基金的10个特性，分别是定性分析、产品分析、资产配置、行业配置、特质表现、归因分析、产品端分析，历史业绩、基金经理、潜在风险；然后deepseek r1会根据上述基金，综合分析该基金并给出一个评价，评价一共分为 10 档，分别为：A+(Superior)、A(Excellent)、A-(Very good)、B+(Good)、B(Above average)、B-(Average)、C+(Below average)、C(Poor)、C-(Very poor)、D(Failing)
同时deepseekhai还会简要说明理由。大概是这样的，左下用户可以输入他的基金，点击立即评价即可。
比如我输入鹏华创新lof，结果是这样的：
可以看到，右边中间这个基金的10个因子已经被总结出来，右边下方是deepseek对该基金的评价。下面是这个AI应用的链接，大家可以自行体验，目前发布的是桌面版，所以用手机的话显示效果不佳。
https://www.coze.cn/s/iPLk4ARu/
下面是更新的手机版：
https://www.coze.cn/s/iPFBGqTc/
手机版界面大概是下面这样的，可以滑动显示每个总结的基金特性，最下方是对基金的评级。
此外，如果有需要，可以用专用金融大模型对基金进行评价，比如国内就有专用金融版本大模型，当然chatgpt，deepseek，金融专用大模型哪个效果更佳可能需要时间检验......
其实以前就有利用chatgpt对基金进行打分的金融研究。例如某份金融工程研究报告指出chatgpt偏好长期投资和成长投资，偏好明确的投资策略，持仓多元化，回报表现和波动控制良好，管理团队经验丰富；如果没有明确的投资或风控策略则会被它视为风险点，高换手，持股集中度高和持股高度分散，个人投资者占比高都会被认为是偏负面影响.....下面是chatgpt对基金评级的标准表
chatgpt对基金评级的标准表
deepseek r1现在这么火，很自然的就想到，用deepseek r1为我的基金评个级，也许，这背后还隐藏着幻方基金的观点。事实上，我用过不同的大模型分别对基金进行过评级，同一个基金在不同大模型下得到的评级确实是不一样的。
于是，我用coze做了一个AI应用，用户只需输入基金名称，大模型就会自动总结出该基金的10个特性，分别是定性分析、产品分析、资产配置、行业配置、特质表现、归因分析、产品端分析，历史业绩、基金经理、潜在风险；然后deepseek r1会根据上述基金，综合分析该基金并给出一个评价，评价一共分为 10 档，分别为：A+(Superior)、A(Excellent)、A-(Very good)、B+(Good)、B(Above average)、B-(Average)、C+(Below average)、C(Poor)、C-(Very poor)、D(Failing)
同时deepseekhai还会简要说明理由。大概是这样的，左下用户可以输入他的基金，点击立即评价即可。
比如我输入鹏华创新lof，结果是这样的：
可以看到，右边中间这个基金的10个因子已经被总结出来，右边下方是deepseek对该基金的评价。下面是这个AI应用的链接，大家可以自行体验，目前发布的是桌面版，所以用手机的话显示效果不佳。
https://www.coze.cn/s/iPLk4ARu/
下面是更新的手机版：
https://www.coze.cn/s/iPFBGqTc/
手机版界面大概是下面这样的，可以滑动显示每个总结的基金特性，最下方是对基金的评级。
此外，如果有需要，可以用专用金融大模型对基金进行评价，比如国内就有专用金融版本大模型，当然chatgpt，deepseek，金融专用大模型哪个效果更佳可能需要时间检验......
0
zhishi
2查询RAG技术建立的本地文本知识库 这点不难，很多大模型都自带，除非是数据需要保密，但基金数据应该是公开的
3分析实时和精确数据需求 这点其实貌似也不用，特别对于长线投资，抛开套利等一些特殊用户，绝大多数买基金的人都是图省事的，对实时的需要其实并不强
后面几步如果用大模型自带知识库也就应该都不麻烦，就是不知道效果如何
2查询RAG技术建立的本地文本知识库 这点不难，很多大模型都自带，除非是数据需要保密，但基金数据应该是公开的
3分析实时和精确数据需求 这点其实貌似也不用，特别对于长线投资，抛开套利等一些特殊用户，绝大多数买基金的人都是图省事的，对实时的需要其实并不强
后面几步如果用大模型自带知识库也就应该都不麻烦，就是不知道效果如何
1
赞同来自: zcgh
你这种没有实用价值的，在技术路线上要做根本性改造才行，最大的问题是现有的技术对大模型的“幻觉”问题没有根本解决，所以模型容易一本正经的胡说八道，不能完全的相信它的数据和描述。
要做投资这样对数据要求精密的任务，必须要用本地知识库+数据库检索才能达到要求。
如果利用开源软件，可以使用LangChain+ChromaDB，基本的技术路线应该是：
1 提出基金分析任务——2查询RAG技术建立的本地文本知识库（向量化后作为大模型上下文输入）—— 3分析实时和精确数据需求，使用LangChain生成SQL查询——4 执行查询——5 结果格式化——6 deepseek解释并生成文本
要做投资这样对数据要求精密的任务，必须要用本地知识库+数据库检索才能达到要求。
如果利用开源软件，可以使用LangChain+ChromaDB，基本的技术路线应该是：
1 提出基金分析任务——2查询RAG技术建立的本地文本知识库（向量化后作为大模型上下文输入）—— 3分析实时和精确数据需求，使用LangChain生成SQL查询——4 执行查询——5 结果格式化——6 deepseek解释并生成文本
京公网安备 11010802031449号