【方正金工】DeepSeek在投资研究工作中的应用初探——DeepSeek应用系列研究之一

本文来自方正证券研究所于2025年2月17日发布的报告 《DeepSeek在投资研究工作中的应用初探——DeepSeek应用系列研究之一》 ，欲了解具体内容，请阅读报告原文。

曹春晓 S1220522030005

核心观点

自2025年1月DeepSeekR1模型上线以来，引发了大量的关注和讨论，1月最后一周用户数呈现爆发式增长，仅仅7天即完成了1亿用户增长，成为超越ChatGPT的另一现象级产品。特别是春节假期期间，DeepSeek由于其低成本、高性能、开源的特点快速出圈，并在春节后迅速引发了各行业的加速部署，国产AI进程快速推进。

我们认为，DeepSeek对各行业的影响才刚刚开始。 对大型企业而言，由于数据敏感性以及需要微调模型等原因，普遍会进行私有化部署。就证券基金行业来看，华安基金、汇添富基金等多家头部公募基金公司，以及中信建投、国泰君安等多家头部证券公司，都已完成了DeepSeek私有化部署，将赋能数字化转型与业务效率提升。

金融行业投研工作中，经常面临大量数据分析、文字处理以及非结构化数据的挖掘等工作，DeepSeek的普及对于广大投研人员的日常工作将带来较大的影响。本文中我们测试了DeepSeek在年报解读、纪要整理、数据分析、策略复现、因子挖掘等方面的应用潜力。

通过上述测试我们可以看到，对于日常的一些基础工作而言，DeepSeek可以很好的完成，并大幅提升研究人员的工作效率。 然而我们也需要承认，对于类似策略复现、因子挖掘等问题，其过程相对较为复杂，且DeepSeek目前对生成的代码无法在后台运算检验，也无法获取策略中需要用到的具体数据，因此其代码仅可作为参考使用，实际中仍需要用户自己进行严谨核验及调试，方可应用于实际投资。

本文中的案例我们都是以普通个人用户的角色在使用DeepSeek，事实上DeepSeek在金融投研中的潜能远不止这些。 如投研机构进行了私有化部署并能成功接入本地数据库（如Wind、彭博、朝阳永续等）以及本地知识库（如研究报告、调研报告等），那么DeepSeek可能在更为广泛的领域内大大增加投资研究工作效率。

风险提示: 本报告基于历史数据分析，历史规律未来可能存在失效的风险；本报告中的案例仅供测试使用，不构成投资建议；DeepSeek回答结果不一，生成代码可能存在错误。

正文如下