20250217-天风证券-金融工程_大模型总结和解读行业研报_10页_1012kb

金融工程报告：利用大模型分析行业研报

总体目的

当前分析师行业报告数量庞大，每周超500篇，阅读成本高。为提升效率，利用DeepSeek-V3大模型实现研报的智能总结与标准化，提取行业核心观点和关键信息。

现有问题及大模型支持

传统行业研报存在两个问题：

• 行业评级不足连续：仅三类评级，区分度低。
• 行业分类标准不统一：多家券商分类差异大，影响横向比较。
  大模型可解决上述问题，提供更有效支持。

方法步骤

1. 样本筛选
   收集2025年2月9日至15日发布、评级为“推荐/增持/买入/超配/强于大市”的810篇行业研报，不包含“港股”内容。

2. 模型构造提示词
   提供中信一级/二级行业列表，定义“景气度”和“超预期程度”标准，要求模型以JSON格式返回：

   • 行业名称（一级+二级）
   • 景气度（0-100）
   • 超预期程度（相对预期）
   • 所属行业标签

3. 数据处理
   将研报摘要和提示词拼接输入DeepSeek-V3模型，保持随机性关闭（确保结果一致）。

4. 计算指标
   按中信二级行业计算景气度和超预期程度的均值，保留数据>2份的行业。

最新行业分析结果（2025年2月9日-2月15日）

景气度高企行业

• 通讯设备、云服务：行业研报景气度较高，边际提升明显。
• 半导体、专用机械、电源设备：表现活跃。
• 电力设备、铁路运输：趋势回暖。

低景气行业

• 煤炭化工、结构材料、装饰材料：多项指标下行，环比降幅明显。
• 房地产开发运营、煤炭开采洗选：表现疲软。

数据汇总（按行业代码）

风险提示

• 市场环境变动风险：未能预测突发政策变化。
• 大模型风险：模型稳定性及偏差带来潜在误差。
• 信息时效性：结论基于有限样本，需结合实时数据修正。

总结

通过大模型的标准化总结与行业打分机制，提升研报信息挖掘效率，为投资决策提供数据支持。但需注意模型的局限性，持续跟踪市场与技术动向。