大语言模型在投研中的应用：DeepSeek、QwQ~32B与Manus技术解析、投研场景与量化应用.pdf

上传者：b**
时间：2025/03/17
热度：181
0人点赞
举报

大语言模型在投研中的应用：DeepSeek、QwQ~32B与Manus技术解析、投研场景与量化应用。传统投研面临两大核心瓶颈：非结构化数据处理效率低下与量化模型信号维度单一。分析师花费大量时间处理财报、新闻、电话会议记录等文本数据，且人工提取关键指标存在一定误差率。量化策略依赖结构化数据（如价格、财务指标），难以捕捉政策变化、市场情绪等文本隐含信号。 DeepSeek、QwQ-32B与Manus等大语言模型先后发布，为投研场景带来新的技术支持。 DeepSeek-R1：6710亿参数的混合专家（MoE）模型，专注深度推理与跨模态分析； QwQ-32B：阿里开源的320亿参数推理模型，以强化学习突破参数限制，性能比肩DeepSeek； Manus：Monica公司的多代理架构模型，通过任务分解与工具调用实现端到端流程自动化。