ChatGPT思维链推理机构调研选股策略.pdf

ChatGPT思维链推理机构调研选股策略。已有的大模型研究表明，在提示词中给出示例的推理工作流程可以引导大模型使用思维链进行思考推断，使用思维 链的大模型在面对复杂任务时结果的准确率得到进一步增强。GPT-4o 作为当下最先进的大语言模型之一，通过设计 合适的提示词，给定投资分析的工作流程，可以激发模型的思维链，根据上市公司相关的文本信息对该公司的投资 价值进行判断。

市场中机构投资者的动向是受到重点关注的话题，调研活动有强制披露的要求，且数据披露格式规范，蕴含了大量 机构投资者的行为信息。通过调研事件可以更好探察机构投资者动向。现有调研事件的相关研究主要使用机构调研 数据中的活动信息、参与主体信息，但机构调研披露的问答明细数据作为非结构化文本，传统的分析方法和以 Bert 为例的NLP模型在分析时面临诸多挑战，因此前期较少研究分析该类数据。 在本研究中，我们通过设计提示词，给定针对机构调研活动的思考流程，并提供机构调研活动的发生时间、行业分 类、问答明细信息，使用 ChatGPT 利用思维链从多角度（如公司发展阶段、公司行业地位、行业发展阶段等维度） 分析机构调研活动，并据此给出对该调研活动利好或利空的投资判断。最终，我们整理得到 ChatGPT 根据机构调研 文本分析得出的投资判断股票池，由此得出ChatGPT选股池。

ChatGPT 选出的利好股票池、传统 NLP 方法（FinBert）分析调研事件文本选出的利好股票池，以及整体被调研的股 票池的年化超额收益分别为 4.03%、0.23%和-0.80%。ChatGPT 选股池与 FinBert 选股池的收益均超越了基于调研数 据构建的股票池，表明对明细数据的分析能够贡献额外收益。ChatGPT选股池的年化收益更高，这表明ChatGPT在理 解调研文本信息方面优于FinBert，策略表现更为优异。