金工深度研究：面向投资研究行业的GPT使用指南-20230426-华泰证券-26页_3mb

面向投资研究行业的GPT使用指南总结

核心内容

本文介绍了GPT（以ChatGPT为例）在投资研究行业中的应用，包括量化分析、网页抓取、文字摘要和行情复盘四个案例。文章强调了GPT在代码编写和文字处理任务上的优势，同时也指出了其局限性，并提供了使用技巧和注意事项。

主要观点

• GPT能够提升投资研究的效率，特别是在代码编写和文字处理方面表现突出。
• 通过任务拆解和明确的Prompt提示，可以提高GPT生成代码和文本的质量。
• 投资研究中的代码任务需要一定的编程基础，而文字任务则更适合交给GPT处理。
• GPT生成的内容具有随机性和不确定性，需进行人工审查和调整。
• 投资研究中应结合实际情况使用GPT，不能完全依赖其生成结果。

关键信息

一、代码编写任务经验

1. 指定编程语言：在Prompt中明确指定使用的编程语言，如Python，有助于提高代码的准确性。
2. 指定变量名称和函数名称：明确变量和函数的命名有助于GPT更好地理解需求。
3. 提供上下文信息：增加上下文信息有助于提高生成代码的准确性和完整性。
4. 人工审查和测试：生成的代码可能存在语法错误或逻辑问题，需人工检查和测试。
5. 代码错误处理：若代码出错，可提供报错信息，让GPT协助修改。

二、文字编写任务经验

1. 任务提示Prompt应放在开头：实验表明，将Prompt放在开头有助于GPT更好地理解意图。
2. 合理分配字数：由于GPT对输入和输出字数有限制，建议将文本拆分成约1000字的段落。
3. 提供样例：对于“半监督式任务”（如行情复盘），提供少量样例有助于提高生成质量。
4. 人工编辑和调整：生成的摘要可能存在不准确之处，建议进行人工编辑和调整。

三、GPT助力投资研究案例四则

案例1：量化分析

• 目标：检验MACD“金叉”“死叉”信号对个股收益的预测能力。
• 方法：将项目拆解成子任务，引导ChatGPT编写Python函数。
• 结果：多、空信号的胜率在50%左右，赔率方面多头相对较高，空头相对较低。

案例2：网页抓取

• 目标：程序化抓取东方财富股吧评论。
• 方法：从原型代码出发，逐步添加需求，如分字段保存、多页抓取。
• 结果：ChatGPT能够生成正确的代码，但需注意字段提取和分页处理的细节。

案例3：文字摘要

• 目标：将约10000字的速记稿总结为约2000字的会议纪要。
• 方法：将文本拆分成约1000字的段落，分别输入到ChatGPT中进行摘要。
• 结果：ChatGPT能够生成较为准确的摘要，但需注意Prompt位置和文本长度。

案例4：行情复盘

• 目标：基于A股市场当日行情数据，编写复盘文字。
• 方法：提供行情数据和复盘样例，采用One-shot或Few-shot学习方式。
• 结果：生成质量较高，可作为投研人员参考。

风险提示

• GPT生成内容不保证真实性。
• GPT生成内容具有随机性。
• 人工智能挖掘市场规律是对历史的总结，市场规律在未来可能失效。
• 人工智能技术存在过拟合风险。
• 深度学习模型受随机数影响较大。

附注

• 文中提到的案例均基于ChatGPT3.5网页版实现。
• 投资研究人员在使用GPT时，需注意其局限性，并结合实际情况进行调整和验证。