我们的结论是，就现有实践来说，DeepSeek R1对转债研究影响有限——原因是此前的非推理模型也足够强大，已经能做到很多。
显然准确地说，DeepSeek近期热度颇高的部分，应当特指DeepSeek R1。而转债的实践中，我们是否需要这样的能力呢？尤其是其有别于DeepSeek-V3、Kimi-v1、GPT4的部分。以下是我们目前已有的一些成果。
第一个简单而实用的例子，是“下修重算日”。
我们知道，上市公司在发布不下修公告时，有的会给出后一段时间再触发下修时仍的承诺，例如“未来6个月再次触发下修条款条件，亦不执行下修”。这时，我们需要一个“重新起算日”，例如“从2025年3月1日重新计数”中的“20250301”。但这样的表述是多样的，我们用正则表达式的方式曾经尝试过，失误颇多，这也是大模型起作用的时候。例如我们给出以下处理：
def ai_process(client, str_ann, model):
chat_completion = client.chat.completions.create(
messages=[
{'role': 'system',
'content': str_ann
},
{
'role': 'user',
'content': '''
# Context
你收到了一份上市公司在触发了下修条款后，不执行下修的公告。
你要关注在本次不执行后，上市公司未来会如何处理下修条款。
# Object
需要找到下修条款的“重新起算日”，它意味着：
1.本次不执行下修条款后，从哪个交易日开始重新计算。
2.或者理解为，在那个日期后，如果再次触发下修条款，则召开董事会审议是否执行下修。
# Response
以如下Json返回
{ "res"：yyyymmdd格式返回，不要加入例如“-”或者“年月日”等字符
如果下修公告信息显示，可转债到期前均不执行，则返回字符Never。
"source": 文件中，包含上述结果的依据，请尽量精确地截取原文中的部分
}
'''
}
],
model=model, stream=False,
temperature=0.， response_type: {"type": "json_object"}
)
content = chat_completion.choices[0].message.content
return json.loads(content)
非常类似的情况，还有自然语言择券筛选。
例如用户输入“想要价格低于120元，小盘一些的，最好专精特新”，程序返回择券表。这里的工作，也是模型将偏口语的语言，转化为字典例如“{'Close': [0, 120], 'Outstanding': 30pct, '主题': [专精特新]}”。显然，这仍是一个“不要犯错，速度、成本优先”的场景。
另一个已经成熟使用的场景，是个券入库报告、年报解读报告。
在
《个券入库，机器能帮我们做到哪一步》
、
《AI语言模型视角下的业绩期》
中我们已经介绍过这两类应用，与前面不同的是，这两类报告的输入、输出比较长，而且一次调用API不能完成工作，因此我们在后台写的是一套Agent流程。例如对于入库报告而言，按多数投资者报告的模式，我们需要首先给出简介、业务构成、核心竞争力，然后是基本面、财务分析，再然后是波动预测、风险判断，最后是转债条款，定价。
在不用推理的情况下，我们大约需要调用3次大模型帮助梳理语言与文字，而波动预测、风险判断、定价则来自训练好的内部模型。
这种场景下，不考虑内部模型，推理模型的优势是只需要一次调用——与此前模型差别不大。
目前的问题在于：1、在流程中确定性地调用模型不同，推理模型需要通过function_call来自动触发，这样存在一定不确定性；2、与多次调用普通模型比，推理模型的成本反而更大。
资料来源：Wind，中金公司研究部；注：摘自：《AI语言模型视角下的业绩期》
“改变不大”核心原因是，这些场景，我们都明确地知道需要干什么，因而是在“规范”AI。
这也是转债这个“小众非线性”领域的老问题，
由于小众，素材少，质量难辨优劣，况且更有用的结果也不在语言里，而是定量的测算上。由于非线性，导致“线性外推”的负面影响更大，而每一个“因为->所以”都有线性外推风险。
当然，我们的模型都有大量的前置工作，包括定量模型和提示词，对于只能给出少量提示词的场景，推理模型的优势就明显了。
但反过来看，推理模型真正能给出帮助的，反而是“创造性”，也是我们不明确知道流程的场景，例如：
1. 对于一个新行业的发行人，给出研究方法的提示；
2. 已有基础素材的情况下，按指定场景的写作，例如投资者沟通材料等 —— 转债投资者多为理科背景，对如何编写文章的提示词可能并不在行；
3. 反问场景：利用推理模型提出质疑，引发思考。
回到当下的市场，与上个月的基础环境非常接近：强势的股票，攀升的估值，以及投资者的矛盾情绪。
这些在历史上也不少见，少见的反而是投资者行为的“克制” —— 以往类似状态下，投资者往往容易在情绪的驱使下，急于入场，甚至不管正股、不管溢价，先建仓就好，
演化到最后让大盘债性品种完成补涨，
这也是下面这个指标的由来，相信读者已不陌生。反常的是，当前环境下，价格、溢价率都抬升了，但结构选择很“克制”，涨幅主要来自股性品种。
应该怎样理解？怎样调整？
一种合理的推断：是否投资者在经历过去几年之后，即便不是专业的转债投资者，对市场的理解也有所提高，不容易再犯原则性错误。也至少，大幅回撤的历史还记忆犹新，即便是往年充当补涨力量的“增量资金”，也保持着对市场的敬畏。
我们的理解：增量资金的概念并非静态，2年前的增量资金如今已是存量资金，要等待市场情绪的进一步升温，“弱势品种表现”未到顶部也正说明当下不能定义为情绪高点，我们可以继续等待。当下也要认可估值走高，相比正股 + 纯债的性价比正在下降，投资者的风险偏好不得不下降。
但同时，正股，尤其小盘的表现强势，仍可认为属于上行趋势，需要保有参与。因此，矛盾在估值，利益在正股，结构上，我们仍偏好股性。
此前几个月，我们的十大转债有着一定超额回报。但投资者仍要注意，这是因为该组合有较大的小盘风格、低溢价率偏向，其间11月、12月为了迎接估值提升，暴露了较大的Vega系数，随后回归正常。本次我们仍保持这样的风格，但随着价格的提高，投资者也注意其波动率也会提升。具体来说，此前有中宠转2、升24转、智尚、豪鹏、会通及濮耐都创造了较高的回报，考虑趋势强度、赎回进度等，继续保留智尚、豪鹏、汇通和中宠，新增华兴、富仕、药石、华懋、志特及金丹。
这实际也能回答关于仓位的问题：我们认为择券取决于个券的盈亏比，与Beta无关，仓位则取决于那一组个券的潜在回撤，与投资者可接受的回撤的比例。
转债一周发行数据更新：
近期企业新发项目启动稍有提速，新公告4单预案，分别为天准科技(9亿元)、浩通科技(5.42亿元)、锦浪科技(16.94亿元)和博士眼镜(3.75亿元)；股东大会新审议通过2单项目，分别为茂莱光学(6亿元)和尚太科技(25亿元)；证监会新核准5单，分别为永贵电气(9.8亿元)、恒帅股份(3.28亿元)、安克创新(11.05亿元)、伟测科技(11.75亿元)和清源股份(5亿元)。目前待发项目合计11单，共计170.24亿元。已过发审委待核准项目3单，合计26.21亿元。
风险：
转债个券超预期经营风险暴露，股市超预期调整。
本文摘自：2025年2月14日已经发布的《转债实践DeepSeek前后的差别暨本月十大转债》
