ChatGPT工作原理及应用情况如何？

OpenAI 开发的人工智能聊天机器人程序 ChatGPT，是目前最先进的 自然语言处理技术之一，它可以模拟人类的语言和思维方式，根据 用户提供的问题和输入，给出较为准确的回复。

1、ChatGPT的工作原理

目前推出的 ChatGPT 是基于 OpenAI GPT-4 架构的大型语言模型。其 工作原理可以分为以下几个关键步骤： 预训练：首先，ChatGPT会在大量的文本数据集上进行预训练。这些 数据来自于互联网，包括各种书籍、文章和网页等。预训练的目的 是使模型能够学习语言结构、文本模式和基本知识。在这个阶段， 模型主要学习预测下一个词的能力。 微调：经过预训练后，模型会在特定的任务上进行微调。这一步骤 包括使用带有人工标注的数据集来优化模型表现。微调的过程可以 根据不同的应用场景定制，以使模型更好地满足特定任务的需求。 生成文本：ChatGPT 通过生成文本来回答用户的问题或执行特定任 务。

生成文本的过程称为“解码”。在解码阶段，模型根据已有的输 入（如用户问题）生成一个词序列，以形成一个连贯的回答。 Transformer 结构：GPT-4 采用了 Transformer 结构，这是一种先进的 深度学习架构，用于处理自然语言处理任务。Transformer 结构利用 自注意力（self-attention）机制来捕捉输入序列中的长距离依赖关系。 这使得模型能够更好地理解文本语境并生成相关的回答。 总的来说，ChatGPT通过预训练和微调两个阶段学习语言知识和任务 特定技能，然后，它利用 Transformer 结构生成连贯、有意义的回答。

2、ChatGPT应用初探：日常工作，提升效率

2.1、简单使用技巧：文本交互

ChatGPT 的技术基础为大语言模型（LLM），最擅长的功能就是语言 文本的生成和交互。ChatGPT本质上仍然是和微软小冰一样的聊天机 器人，和文本交互有关的应用既是 ChatGPT 最基本的功能也是 ChatGPT最擅长的功能。与文本交互相关的工作能有效减少金融从业 者的负担。在使用 ChatGPT 之前，需要清楚它的几个问题： 1.知识更新：ChatGPT的知识截至 2021年 9月，因此某些信息可能已 经过时或不准确。

2.误导性答案：ChatGPT 可能会给出错误或误导性的答案。请对其提 供的答案保持审慎，并在必要时进一步验证。 3.输入限制：与ChatGPT的对话（包括问题和 ChatGPT 的回答）需 要在 Token 限制范围内。如果对话中的 Token数量超过限制，需要缩 短或简化文本以确保输入在限制范围内。 4.记忆限制： ChatGPT在长对话中可能遇到记忆问题。当对话内容超 过令牌限制时，ChatGPT可能无法准确回顾和理解之前的对话内容。 在这种情况下，可能需要简化或缩短提问以使其在限制范围内。 因此在进行文本交互时，输入内容和提问方式应注意简洁明了，若 内容较多，可考虑分开输入、逐步提问，并对输出内容进行验证。

我们可以通过以下几个例子来帮助读者更好地理解 ChatGPT 的运用。 精炼文本观点：我们可以通过文本交互，让 ChatGPT 帮助我们将复 杂信息生成精练观点，例如输入一段取自基金招募说明书中的投资 策略，要求它提取优缺点和标签。从回答上来看，ChatGPT能较好理解目标需求和被分析的文本。但从 它生成的答案来看，在深入度和精准性上还不够完善。这也表明 ChatGPT 能较好地完成工作的初期阶段，但仍需要对 ChatGPT 输出 的内容进行改进和完善。 生成相似文本：向 ChatGPT 输入几段基金点评的文本，内容主要是 未来展望方面，要求它输出相似的市场展望点评。

这段回答比起第一段回答显得更加准确和深入，为我们在使用 ChatGPT 时的技巧提供几点启示：1、提供足够的上下文。在提问时，提供足够的上下文信息有助于 ChatGPT 理解问题。 2、提问精确具体。对 ChatGPT 进行提问时，力求做到提问精确，并 且给予一定的约束。比如限定 ChatGPT 输出某一方面的内容，限定 ChatGPT 输出内容的篇幅和字数等等。 2.2 简单使用技巧：表格交互 有时我们希望发挥 ChatGPT 出众的分析能力，运用 ChatGPT 来进行 财务数据和金融数据的分析，简化我们日常的工作量。但 ChatGPT 本身只能通过文字交互的方式进行内容输入，如何直接 要求 ChatGPT 完成指定任务，并将 Excel 中的表格输入和输出就成为了一 个问题。

输出表格：有时我们会希望 ChatGPT 提供的不是文本回答而是表格 回答，因为用表格进行内容表达显得更加的简洁和干练，这时我们 可以这样对 ChatGPT 发问，明确要求 ChatGPT 提供表格，而且 ChatGPT 提供的表格可以从浏览器上直接复制粘贴进 Excel，然后就 可以用在日常工作中了。输入表格：目前没有办法直接向 ChatGPT 输入表格文件，但 ChatGPT 能够理解以 Markdown 格式表现的表格。因此我们可以使用 中介工具 Typora 将 Excel 表格转化为 Markdown 格式，这样 ChatGPT 就能有效读取了。Typora 的下载官网是：https://typora.io/。 接下来我们也用一个例子讲解如何进行 ChatGPT 的表格交互，以下 是以 Excel 表格表示的涪陵榨菜近期的股票数据，我们要求 ChatGPT 对这段表格进行点评和计算每日收益率：

可以看到 ChatGPT 按照我们的要求对以表格输入的数据进行了简略 的点评，并输出了收益率表格。最后还给出了每日收益率的计算公 式便于我们查验。可以看出，在表格分析层面，ChatGPT有着较好的 文本分析和数据分析能力，减少从业人员机械重复工作的工作量。文本、表格交互：以基金点评为例。在进行日常工作的时候，我们 经常需要根据搜集到的财务或金融数据为基础进行文字表达的工作， 此类工作可以说是研究员平日最常完成的工作之一，具有高度的可 重复性。如果能让 ChatGPT 学会工作中所需要的文字表达方式，将 会很大程度上提高工作效率。 以下是一个利用基金数据让 ChatGPT 学会基金点评的实例。首先我 们以表格的方式输入华商新趋势优选的相关数据，基于数据的文字 点评，要求 ChatGPT 参照华商新趋势优选的点评范例，对另一只基 金英大国企改革进行点评：

ChatGPT很好地复现了对之前基金的文字点评风格，生成的文字稍加 修改就可以直接使用。给定其他基金数据，继续利用 ChatGPT 进行 对于其他基金点评，生成点评所用的时间将大大减少。

3、ChatGPT应用：Python代码，自动生成

由于 ChatGPT 在进行文字和表格交互时，会面临输入和记忆限制， 无法处理复杂问题和庞大数据，因此可以考虑利用 ChatGPT 输出代 码的方式，本地运行程序，从而解决复杂问题。 ChatGPT 进行代码生成有一些潜在优势，主要包括：（1）快速生成， ChatGPT能够迅速生成代码片段，节省编写代码的时间，尤其是在处 理常见任务或简单问题时；（2）灵活性，由于 ChatGPT 受过大量编 程示例的训练，它具有很高的灵活性，可以生成多种编程语言（如 Python）的代码。这使得ChatGPT能够适应各种编程需求；（3）提供 启发，ChatGPT可以提供代码解决方案的启示，帮助在面临问题时找 到新的思路和解决方法；（4）学习辅助，对于初学者，ChatGPT 可 以用作学习工具，提供代码示例和解释，帮助更好地理解编程概念 和实践。

要利用 ChatGPT 生成 Python 代码，需要我们提出明确、具体的问题 或需求，并包含有关代码的详细信息。在这当中，我们用户扮演着 产品经理的角色，而 ChatGPT 扮演着程序员的角色。等 ChatGPT 生 成代码后，需要在使用生成的代码之前进行适当的验证和调整。 我们可以通过以下数据获取、数据分析和数据输出等角度的例子来 帮助读者更好地理解 ChatGPT 的在代码生成上的运用。

3.1、数据获取：数据库接口、PDF读取

（1）读取 WindAPI 接口。WindAPI 接口是指 Wind 资讯金融终端提供的一组编程接口，允许开发人员使用多种编程语言（如 C++, Java, Python 等）编写程序来访问 Wind 资讯金融终端的数据和功能。通过 WindAPI 接口，开发人员可 以访问 Wind 资讯金融终端提供的众多数据和功能，包括市场行情数 据、财务数据、新闻资讯、图表分析、交易模拟等。 我们的需求：用 ChatGPT写一段 Python代码，目的是使用 WindPy库 下载 000001.OF 近 1 年的复权单位净值和沪深 300 的收盘价，并计算 两个数据之间的相关性。

（2）连接 Wind 底层数据库。 Wind底层数据库是指 Wind资讯金融终端所使用的数据存储系统，主 要负责存储和管理金融数据。相较于 Wind金融终端，Wind底层数据 库的数据存储能力更强，可以存储海量的金融数据，包括历史和实 时的行情数据、财务数据等。 我们的需求：用ChatGPT写一段Python代码模板，目的是通过Oracle 方式连接 Wind 底层数据库，其中用户名：xxx；密码：xxx；端口号： xxx；主机和服务名：xxx；地址：xxx。在连接底层数据后，我们需 要 从 数 据 库 中 的 表
wind.ChinaMutualFundDescription，提取 F_INFO_WINDCODE 为 006228.OF 的所有数据。

（3）读取 PDF 数据。 Python具有丰富的PDF库和工具，例如PyPDF2、pdfminer、pdfquery 等，可以通过简单的语法快速实现读取和处理 PDF 文件，并且支持 PDF 文本、图片、表格等各种元素的提取和处理。 我们的需求：用 ChatGPT写一段 Python代码，目的是在 Python3.7语 言环境中读取 A 基金.pdf 和 B 基金.pdf 文件，并且提取正文中报告期 内基金投资策略和运作分析该节的内容，分别记录基金 A和基金 B， 并将结果输出到 txt 中。

3.2、数据分析：批量处理、策略分析

（1）批量处理数据 。Python 拥有众多的数据处理库和工具，如 NumPy、Pandas、ScikitLearn 等，可以方便地进行数据的读取、清洗、分析、建模和可视化 等各种操作，且可以编写脚本实现自动化处理，可以实现批量处理 数据，大大提高了处理效率和准确性。 我们的需求：用 ChatGPT 写一段 Python 代码，读取目标文件夹下所 有表格数据，从所有表格中提取代码为 000001.OF的所有指标。表格 名字命名规则为：股票买卖总额年月.xlsx，表格的第二行为列标题。 从所有表格中提取代码为 000001.OF的所有指标，记录相应年月（从 表格的名字中获取），并将数据整理成一个新的表格，存在指定文件 夹中。

（2）基金收益分析。 Python 不仅拥有众多的数据处理库和工具，如 Pandas、NumPy、 Matplotlib、Seaborn 等，方便进行数据的读取、清洗、分析和可视化 等各种操作，支持多种数据格式和数据来源，包括 API、CSV、 Excel 等，而且拥有强大的统计分析和机器学习能力，可以对基金收 益数据进行各种分析和建模，如回归分析、聚类分析、时间序列分 析等，帮助投资者更好地理解和预测基金收益。 我们的需求：用 ChatGPT写一段 Python代码，目的是在读取 nav.xlsx 数据的基础上，第一列为日期，格式是日期格式；第二列为基金的 复权单位净值，基于复权单位净值，计算这只基金在这段时间的年 化收益率、年化波动率、最大回撤、年化夏普指标。

（3）股票策略分析。 Python 不但拥有众多的数据处理库和工具，而且拥有强大的统计分 析和机器学习能力，可以对股票数据进行各种分析和建模，可以帮 助投资者更好地理解股票策略、预测股票走势和价格。 我们的需求：用 ChatGPT 写一段 Python 代码，目的是在读取 A 股日 度行情.feather的基础上，列名 S_INFO_WINDCODE代表股票代码， TRADE_DT 代 表 交 易 日 ，S_DQ_ADJCLOSE 代 表 收 盘 价 ， S_DQ_ADJOPEN 代表开盘价，计算每只股票每月月底数据，进而计 算月涨跌幅，月涨跌幅的定义为月末收盘价/上月收盘价-1，根据所 有股票的月涨跌幅从小到大分 10 组，并通过输出下个月这 10 组收益 率的平均值，进而简单分析一下这个动量/反转策略。

（4）股票指标筛选。 Python 不但语法简单易用，使得指标筛选股票的代码编写变得简单 快捷，可以快速地完成数据的处理和分析；而且拥有强大的统计分 析能力可以帮助投资者更好地理解和筛选符合自己投资风格的股票。 我们的需求：用 ChatGPT 写一段 Python 代码，目的是用多个指标综 合筛选股票。在读取电子行业股票指标.xlsx 的基础上，第一列是 WindCodes 代 表 股 票 代 码 ， 第 2-5 列 分 别 是 ROE_AVG、 YOYEPS_BASIC、MKT_CAP_ARD、PE_TTM， 分 别 代 表 ROE、 EPS 增速、市值和市盈率。 筛选出 ROE、EPS 增速、市值排名靠前， 但市盈率排名靠后的前十个股票。

3.3、数据输出：可视化图像、标准化文档

（1）高级图像输出：动态条形图。 Python 不仅拥有众多的图像库和工具，如 Matplotlib、Seaborn、 Plotly 等，可以方便地进行各种图像的绘制和定制，支持多种图像类 型，包括静态图像和动态图像，而且其图像库和工具具有很高的可 定制性，可以自定义图像的各种属性和样式，包括颜色、大小、标 签、标题等，满足不同种类的需求。 我们的需求：我们需要 ChatGPT 写一段 Python 代码，目的是利用 bar_chart_race 库，使用 GDP.xlsx 中的数据做一个随时间变化的条形 图的视频(动态图像，mp4格式），并设置字体为SimHei。GDP.xlsx的 第一列为年份，第二到第八列为不同国家，画面右下角显示时间， 时间会由小到大变化，变化条形图发生变化，所有参数默认设定。

（2）标准化文档：点评、绘图。 首先，Python 拥有众多的数据处理库和工具，如 Pandas、NumPy、 Matplotlib、Seaborn 等，可以方便地进行数据的读取、清洗、分析和 可视化等各种操作进而进行点评；其次，Python 拥有丰富的可视化 库和工具，如 Matplotlib、Seaborn、Plotly 等，可以根据需要绘制各 种图表，包括线图、柱状图、散点图、热力图等，有利于绘图；最 后，Python 支持多种输出格式，包括 HTML、PDF、PNG、JPG 等， 方便用户进行不同场景的输出和共享。 我们的需求：用 ChatGPT写一段 Python代码，目的是在 Python3.7语 言环境中读取 close_date.csv 的数据，第一列为日期，并生成一段对 不同指数的价格的点评、绘制图像，最后把点评和图像输出，插入 Excel 中。

（3）基金收益分析 PPT 输出。 相较于 PowerPoint，一方面 Python 可以通过自定义函数或库来扩展 其功能，满足更多特定需求，使得 PPT 的制作更加灵活和高效；另 一方面，Python 可以通过编写脚本来自动化 PPT 的制作过程，如自 动生成幻灯片、插入图表、插入数据等，提高制作效率。此外，PPT 通常需要多人协作制作，在协作过程中容易出现版本不同步的问题， 而 Python 可以通过代码管理工具来实现更好的版本控制，避免不同 版本的幻灯片被混淆或丢失。

我们的需求：用 ChatGPT写一段 Python代码，目的是利用 WindPy库 提取 000001.OF、000006.OF 和 000015.OF 近一年的复权单位净值， 生成 PPT。PPT 第一页为大标题“基金的收益分析”，第二页到第四页 为这三只基金的收益分析。收益分析包括：章节标题为基金名称； 左边放图：近 1 年各个基金走势图；右边放表：近 1 年各个基金年化 收益、最大回撤、夏普比率的表格。