2025年AI赋能资产配置（七）：乘风DeepSeek理解货币政策取向

政策文本的结构化解读

货币政策文本语义分析的关键要点

AI在政策语义分析上具有天然优势，尤其是在处理大规模文本、归纳总结信息、以及结合上下文理解政策取向中。 定性分析：传统NLP方法在政策文本分析上存在语境理解不足、情感判断模糊、主题建模难以量化政策倾向等局限。相比之下，DeepSeek等大模型凭借上下文理解能力和财经语料微调优势，可更精准地归纳政策立场，并通过语义匹配给出定性判断 。 定量分析：优化传统定量模型：AI基于政策文本的语义分析，提升传统“货币政策力度指数”的前瞻性和解释力。基于政策文本给出定量推断：AI通过历史数据训练，建立政策语义与实际政策力度之间的映射关系，使得政策文本不仅能定性判断方向，还能量化影响程度。根据当前政策文本的措辞变化，自动匹配历史相似情境，并结合已学习的量化关系，分析当下或未来政策力度指数的变动方向和幅度。

为什么要进行结构化解读？

结构化解读是理解政策语义的基础，我们须人为地拆解政策文本，以抓住政策解读的底层逻辑。找到关键的切入点，明确政策关注的核心内容，让我们更清晰地认识AI应该如何学习和分析政策文本。通过人工解构，我们能够：厘清政策语义逻辑，确保解读的准确性——货币政策文本往往高度概括且隐含信号较多，人工拆解有助于识别政策立场及其可能的市场影响 。 优化AI训练方向，提高分析效率——通过结构化梳理政策内容，我们可以明确告知AI哪些方面最为重要，引导AI在关键领域（如政策基调、工具使用、利率调整等）进行更精准的语义理解分析。

政策语义：AI定性判断

DeepSeek政策语义分析四大环节之一：文本选择

以货币政策为例，在文本选取上，我们 主要围绕货币政策委员会季度例会的公 开报道，因为其文本精炼、结构清晰， 便于归纳梳理和深刻理解政策维度和变 化趋势。

DeepSeek政策语义分析四大环节之二：Prompt的构造

为了提高与AI的互动效率，Prompt的构造需要围绕角色设定、任务目标、行为定义、结果呈现等关键因素，结合大模型的语义理解能力来优化问答效果。以下是几种常见的Prompt设计逻辑 。本报告Prompt指令（R-T-F）： “站在政策学习和理解角度，需要对比政策文本的语义，判断哪一个政策更加宽松，哪一个更加收紧。请提供定性分析，并引用具体的关键表述来支持你的结论。"

DeepSeek政策语义分析四大环节之三：AI接入过程展示

方法一：页面端请求（Web/App端直接提问）。优势在于操作简单、上手快，用户可以基于特定范式的Prompt直接输入问题，快速获得AI的分析结果。局限在于难以用于批量分析或嵌入实际业务流程，如果需要多轮提问或处理大量文本，须重复操作，手动整理结果。方法二：基于API服务调用（本报告选用的方式） 。 优势在于可扩展性强。通过API，可以将AI的能力集成到已有的数据分析流程或应用系统中，实现批量文本处理、定制化分析，甚至结合数据库进行结构化输出 。API调用还能灵活调整参数（如温度、上下文窗口等），提高模型的稳定性和可控性，更适用于大规模政策文本分析或金融量化建模。

政策语义：AI定量分析

原有框架：国信货币政策力度指数

定量分析现有框架——“国信货币政策力度指数” 。在“结构性流动性短缺”框架下，形成以7天逆回 购利率为基准，存款类机构间质押式回购利率 （DR）、贷款市场报价利率（LPR）和国债收益率 曲线为抓手的多层次利率体系 。 从扩散指数的基本逻辑出发，在适度优化算法的基 础上，构建了周频“国信货币政策力度指数”。

DeepSeek实现货币政策文本的定量分析：AI半自动

结果呈现：效果较好 Ø DeepSeek对政策文本语义打分与国信货币政策力度指数方向 基本趋同。早期存在背离，因为早期能投喂的底稿数据量有限，学习成 果不足以指导AI准确打分 。 AI能够理解货币政策语义与分析师框架之间的关系，AI给出的打分理由与现实情况基本吻合。

展望与结论

结论

定性分析：AI能够精准识别政策语义 。 AI在政策解读方面具备强语境理解能力，能够准确提取政策基调、工具使用、利率管理、外汇市场等关键信息，并自动判断政策取向（收紧/中性/宽松） AI学习迭代给出的货币政策力度指数提示，2025第一季度货币政策仍倾向于“宽松”。定量分析：AI渗透程度决定应用方式，分为三种模式 。全自动模式：完全依赖AI进行情感分析和定量计算，但受限于模型误差和语境理解偏差，结果稳定性较低，可靠性不足。 半自动模式（最优）：AI结合人工设定的标准进行分析，AI负责模式识别、归纳总结、数据推演，人工负责提供指引框架、校验与决策，实现智能性与可靠性的平衡。 AI预计（AI给出线性外推的逻辑），2025Q1货币政策力度指数同比为0.02575，较2024Q4有所收敛，但仍处高位，体现政策宽松倾向 。辅助人工模式：AI仅提供词频统计、数据清理、可视化支持，核心框架由人工完成，AI的作用有限。

未来展望

未来展望：AI在宏观分析中的更广泛应用AI在宏观经济分析中的应用不止于政策语义解读，未来将深入渗透到数据分析、预测建模、市场监测等多个领域，推动研究范式升级 。海量高维数据融合与学习：整合政策文本、市场数据、高频经济指标等多源信息，构建更全面的经济监测体系，提升对政策效果和市场反应的解读能力。AI助力预测与情景模拟：基于历史政策、经济数据训练智能预测模型，评估不同政策组合对经济增长、通胀、流动性的可能影响，提供前瞻性分析。AI协助分析师进行更加客观公允的判断：如基金经理的投资风格划分，人为方式难以精准地从多维度对基金经理的风格进行划分，借助人工智能技术能够综合基金经理的任期回报、持有天数、投资风格、资产配置结构等诸多关键要素，实现对基金经理风格的精准刻画与全面剖析。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）