浙商证券-金融工程专题：大语言模型在金融领域的创新应用框架：FinGPT-230704

文本预览：

《浙商证券-金融工程专题：大语言模型在金融领域的创新应用框架：FinGPT-230704（11页）.pdf》由会员分享，可在线阅读，更多相关《浙商证券-金融工程专题：大语言模型在金融领域的创新应用框架：FinGPT-230704（11页）.pdf（11页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从浙商证券《金融工程专题：大语言模型在金融领域的创新应用框架：FinGPT》研报附件原文摘录）
　　核心观点 　　FinGPT作为第一个开源的金融领域大语言模型，首次实现了信息端到投资端全流程自动化投研决策，具有里程碑意义。除此之外，它在机器人投顾，情绪分析和低代码开发等金融场景也实现了开源应用。 　　通过对FinGPT源代码的梳理和论文阅读，本文深度解析了其工作原理和边际贡献。同时，本文也指出了它存在的主要问题，并对未来发展做出了思考。 　　FinGPT的简要介绍 　　FinGPT是开源的金融领域大语言模型。它在预训练模型的基础上针对金融领域进行微调，以适应金融领域的自然语言任务。目前，FinGPT实现了端到端的全流程自动投资框架，机器人投顾，情绪分析，量化交易等功能。 　　FinGPT的工作原理 　　FinGPT的底层技术为预训练Transformer。它通过在大规模金融文本数据上进行训练，学习丰富的金融知识和语言模式。首先，FinGPT从多渠道获取金融文本和数据，经过数据清理和标记后，对预训练模型进行微调训练。最后利用训练好的大模型或API实时输出观点。 　　FinGPT的创新贡献 　　首先，作为首个打通全流程自动投资的大模型，FinGPT代表了一种未来自动投资的发展方向。其次，开源的FinGPT促进了大模型在金融领域的应用，降低了业务成本。最后，透明可访问的数据和模型参数以及轻量级的微调技术提高了大模型的普及度。 　　风险提示 　　大语言模型虽然取得了巨大的进步和关注，但是其生成内容的准确性、真实性依旧存在争议。由大语言模型生成的内容应当被看作提示和建议，而非客观真相或事实。 　　大语言模型更趋于产生读起来通顺的词句，但往往不能充分符合客观事实。这可能导致其生成内容并不完全准确客观。