1.团队介绍 (1)团队人员及研究领域 由6位同事组成，涵盖了资产配置、行业配置、 基金研究和cta等多个领域。每位同事都有各自擅 长的研究领域。 (2)投研生产力提升培训介绍 推出ChatGPT的投研生产力提升培训的系列电话 会议，旨在利用ChatGPT提高投研工作的生产 力。接下来将汇报整个ChatGPT的研究框架和培 训内容。 2.团队的研究框架 (1)大类资产配置 重点关注股票市场和股价流动，同时也会关注债 券和商品的择时终端市场配置。 (2)行业配置和风格因子 目前关注行业配置，同时也在布局风格因子和因 子选择。 (3)底层资产配置 除了关注股票外，还关注基金、债券和cta股票等 底层资产。团队使用传统因子模型和高频因子模 型进行研究。 (4)基金选机 有基金标签体系和基金业绩预测的因子体系，针 对债券也有量化的责权策略。同时，团队对商品 市场进行了期货策略的研究。 (5)选股研究 从主动选股研究和高频因子选股研究两个维度展 开。主动选股研究包括卖方分析、券商金融组合 构建、基金经理持仓分析和调研事件研究等。高 频因子选股研究结合了leveltwo级别的高频数 据。 3.其他内容 还关注超越期和调研事件，并进行了相关探讨。 Q&A Q：在投资研究中，你们的团队主要关注哪些领 域？ A：我们团队主要关注资产配置、行业配置、基 金研究以及cta等多个领域。我们从大类资产配 置、终端配置以及底层资产配置三个维度展开研 究。 Q：在大类资产配置方面，你们主要关注哪些市 场？ A：我们主要关注股票市场以及股价流动，并且 后续会关注债券和商品的择时终端市场配置。 Q：你们研究的底层资产有哪些？ A：我们关注的底层资产包括股票、基金、债券 以及cta股票。我们团队拥有传统的多因子模型， 不仅包括传统因子，还包括高频因子。 Q：你们在选股方面有哪些研究方法？ A：我们从主动选股和高频因子选股两个维度展 开研究。主动选股研究包括卖方分析评价、构建 券商金融组合以及基金经理持仓等；高频因子选 股研究结合了leveltwo级别的高频数据，探讨了 周度或更高频次的选股因子。 Q：你们最近进行的叉GP研究有哪些内容？ A：我们的叉GP研究包括如何将其应用于投研工 作中提高效率的探讨，如辅助写代码、会议纪要 和PPT等；另外还包括结合叉GP构建量化投资策 略，如挖掘高配选股因子、分析卖方策略观点、 构建行业配置策略等。 Q：在叉GP研究中，你们主要关注生成哪些因 子？ A：我们关注生成高频因子，针对高频数据进行 因子构建，并研究高频因子的非线性特征和失效 因子的纠正方法。 Q：你们的团队在投资研究中还有哪些报告？ A：我们团队在资产配置、负债择时、行业配置 等多个领域都有深度报告，其中包括贝塔猎手系 列和玄武系列等与GDP相关的研究报告。 Q：你们在叉GP研究中还有哪些方面的内容？ A：我们在叉GP研究中涉及了提示工程的探讨， 以及与GDP进行有效沟通和问答的方法。我们也 尝试让叉GP进行创作和回答问题，并总结了使用 GDP的经验，包括如何采用XP进行对话以获得相 关任务的完成。 Q：在量化投资方面，你们还有哪些研究内容？ A：我们进行了智能化选机的研究，结合量化思 路和优点探讨基金因子和标签的识别和预测。此 外，我们还结合GBT对新闻情感进行分析，并应 用于原油期货市场。 Q：叉GP在投资研究中的应用有哪些？ A：我们的研究中叉GP应用于投研工作中，包括 辅助写代码、会议纪要和PPT等，还通过爬虫形 式实现与叉GP的自动化对话。另外，我们还结合 叉GP构建量化投资策略，如挖掘高配选股因子、 分析卖方策略观点、构建行业配置策略等。 Q：GP给出的因子具有什么独特性？能否给出详 细的计算步骤？ A：GP给出的因子具有委托量和委托价等信息， 并且具有一定的独特性。它给出了详细的计算过 程。 Q：GP在处理问题时是否能充分理解给定的信 息？ A：是的，GP可以充分理解所给的信息，并给出 全面且适当的答案。 Q：在挖掘因子的过程中，GP是否能帮助我们快 速定位符合要求的因子？ A：是的，GP虽然不能独创，但可以快速帮助我 们定位符合需求的指标。 Q：GP在处理文本信息时更多的是进行结构化处 理还是创造有效的构建？ A：GP更多的是对文本信息进行整体的结构化处 理，而不是创造有效的构建。 Q：GP在量化层面可以将文本信息转化为量化信 号吗？ A：是的，通过GDP对文本信息进行处理，可以 将其转化为具体的排序打分，更好地用于量化信 号的生成。 Q：GP在策略报告解读方面的应用如何？ A：GP可以对策略报告进行结构化处理，包括阅 读和观点梳理，并将其转化为行业上的配置权 重，用于策略构建。 Q：GP在处理卖方策略中的行业观点时如何进行 梳理和打分？ A：GP通过对卖方策略中的词语进行板块梳理， 并根据推理原因给出利好或利空程度的打分，将 行业信息转化为具体的排序打分。 Q：GP在信号生成层面的应用效果如何？ A：GP在信号生成层面的应用效果较好，能够较 好地评估策略观点和判断行业，相对市场基准具 有超额收益。但仍有提高的空间，需要更多维度 的进一步应用。 Q：GP如何应用于原油期货交易策略中？ A：GP被用作情感分析工具，通过GP3.5插件进 行处理，控制输出结果的随机性和模型的稳定 性，对批量数据处理较快速。 Q：通过影响原油价格的核心数据进行策略构 建，具体是如何通过情感打分来触发交易信号的 呢？ A：我们通过对奥派克新闻的情感打分来构建触 发交易信号的策略。我们使用一个GPC模型对奥 佩克新闻进行情感分析，并探讨不同情感对原油 价格整体影响的方向。根据情感打分，我们构建 了交易逻辑和触发交易信号的策略。 Q：基于GDP情感打分的cta策略能够实现一定的 收益，具体年化收益率是多少呢？ A：基于GDP情感打分的cta策略大致年化收益率 为22.72%。相对于长期持有期货来说，这个策略 的净值有明显的优势。由于开仓频次可能不高， 并且可能会有平仓信号，所以策略的收益波动较 大。 Q：GPT在投资领域已经带来了很大的想象空 间，具体可以如何应用在日常工作中，与量化思 路或主动投资思路结合呢？ A：对于GPT的应用，我个人非常乐观。我们可 以将其应用于日常工作中，与量化或主动投资思 路结合。团队在这方面有很多布局，包括将其用 于产业链分析、对6b模型的微调和策略制定，以 及对基金经理调研数据的计划生成和数据结构化 处理。GPT能够发挥在海量非结构化数据中的作 用。 Q：后续会展示如何借助GPU提高投研工作效 率，以及如何通过爬虫或使用GPT进行文本写 作，包括总结、会议纪要、周报月报和PPT等， 是否可以提供更多细节呢？ A：后续我们会展示如何借助GPU辅助编写代 码，以及如何与GPT进行更高效的对话。我们将 演示如何通过爬虫或使用GPT进行文本写作，包 括总结、会议纪要、周报月报和PPT等。这些内 容都是实际操作的干货