大模型在周期行业盈利预测中如何发挥增强作用？

大模型在周期行业盈利预测中的增强作用主要体现在特征工程、独立预测及校正预测三个维度，其核心逻辑在于模拟分析师的信息整合与逻辑判断过程，弥补传统线性模型在非线性关系刻画和复杂情景识别方面的不足。

在特征工程方面，大模型能够结合行业经营特征及盈利传导机制，对原始中观指标进行组合与变换。通过施加边界约束，如避免构造缺乏明确经济含义的组合，大模型生成了包括库销比、供需缺口、上下游产品价差等在内的衍生指标。以煤炭行业为例，大模型构造了“秦皇岛港库存/30日日均吞吐”等指标，用于刻画库存相对于吞吐水平的压力。实证结果显示，这些衍生指标在R²和t统计值排名中占有一定比例，表明其具有较好的解释力，能够挖掘原始指标中未被直接刻画的信息，尤其对原本拟合效果较弱的行业改善明显。

在独立预测方面，大模型通过输入任务说明、行业逻辑、指标数据及类别摘要，直接判断行业盈利变化趋势。然而，测试结果表明，大模型独立预测的整体表现弱于线性模型，仅在少数实验中取得更优结果。这主要源于大模型在有限样本条件下难以像统计模型那样稳定地捕捉数据规律，且容易受到提示词设计和温度参数等因素的影响。

相比之下，将大模型定位为线性模型的校正模块展现出更大的应用潜力。在该框架下，线性模型被视为预测的强先验，大模型的主要任务是识别供给、库存、宏观环境等其他维度是否出现显著背离或遗漏信号，并判断这些证据是否可能导致线性模型的预测发生偏离。结果显示，经大模型校正后的预测表现优于其独立预测，虽然在整体精度上仍未完全超越线性模型，但在绝对准确率等指标上有小幅提升，且在部分行业和财务指标上表现出明显的校正效果。这表明，相较于直接替代，大模型作为纠偏工具，在已有预测结果基础上进行审查和修正，能更有效地发挥其逻辑推理优势，提升预测的稳健性。