跟大家分享一下我们对于 ai 的 理解,而且今天呢,我们不会给大家甩一堆研究观点或枯燥的数字,也不会讲什么宏观啊,行业什么趋势,我们几个在此呢,就想跟大家聊点特别实在的,就是此时此刻大家手机里面那个 正确交易的 app。 我 想大家呢,最近肯定也没有少玩什么小红书啊,玩古巴呀,玩雪球啊,甚至是在我们自己的掌乐后台的留言里面,也能看到大家很多的这种建议啊,甚至是吐槽啊。 呃,比如说有些用户讲了现在很多的炒股软件,点进去就像个迷宫一样,我就想找一个农股榜的数据,结果点了五级菜单都找不到,感觉不到什么新时代的科技感。还有一些客户讲呢,现在的行情呢,非常活跃,但是信息太多了,每天几百份研报,几千条资讯, 几十条观点,根本看不过来。我其实就想知道,今天这股市是为什么涨,为什么跌,我手里这个股票到底是好还是不好,有没有谁能够直接告诉我今天的盘面到底是怎么回事,不要整那些虚头巴脑的,这种专业的术语我看不太懂。 那么其实看到这些抱怨呢,作为华泰的一员,我们也都深刻的理解,因为正是大家抱怨的这些所谓的痛点,才让我们找到了可以前进的方向和思路。这呢就是我们全新一代的 ai 长乐。 不过大家肯定会问啊,现在市面上呢,打着 ai 智能这种旗号的 app 多了去了,那我们这个 ai 到底有什么不一样?今天呢,我就想跟我们几位同事从各自的角度帮大家讲清楚, 首先呢,先有请我们新掌乐研发中心的程总给我们具体直接的讲一下,我们新掌乐都新在哪些地方,对于咱们新掌乐的这些使用者来说呢?哪些功能您觉得您是最优先推荐多多使用的? 谢谢尹老师,我是新掌乐的内容负责人陈燕,非常荣幸今天有这样一个机会跟大家分享 ai 掌乐。 ai 掌乐从去年十月十六号上线到现在也已经满了整整一百天了啊,那昨天呢,我们也是向全市场发布了我们 ai 掌乐一点零的最新大版本, 在这个新的版本当中呢,我们用三张卡去重塑的界面,欢迎大家下载使用。首先我想花点时间给大家介绍一下我们的新版本, 在新版本当中,我们把用户最常用最关键的智能能力浓缩成了三个核心的卡片,分别对应投资决策的不同的阶段。第一张卡片呢,叫早点听,帮助用户先看懂市场在发生什么。 早点听会在盘前,盘中,还有盘后的关键时间段啊,基于大盘的走势,外盘的变化,行业的动向,还有用户关注的方向,自动生成专属的市场解读和早晚报。 但用户不再需要去翻阅海量的资讯,去刷很多公告,只要听或者看为自己定制的市场招标,就能够快速进入到交易状态,解决今天市场该关注什么这样的问题。 那我们还用 ai 为大家生成了播客这样的一个形式啊,方便大家啊,比如说在早上开车的时候就能够听播客版的这个早点听,能够高效的去更便捷的获取更多的信息。 那第二张卡片呢,是特别提醒,这张卡片呢,是我们希望帮用户去抓住真正需要决策的时刻。嗯,这几个功能呢,会围绕用户的自选股和持仓,持续的去跟踪资金事件和价格的变化。 在出现值得重点关注的异动信号,或者说需要警惕的异动信号的时候,啊,我们的卡片就会发出提醒了。 那我们把提醒设计成了类似便签的这样一种形式。嗯,用户看完觉得有价值的可以保留,如果看完了,觉得不需要了,处理完了,那也可以把它直接移除掉,避免信息的干扰。 第三张卡片呢是任务助手,这张卡片是希望您能够把复杂的事情直接交给 ai 掌上去做, 那在交易的过程当中,很多的操作其实不复杂,但是非常耗时。嗯,比如说打板呀,打新啊,条件策略执行啊,信息整理等等。 那任务助手这张卡片就允许用户用一句话交代需求,给到我们的 agent, 由 agent 去持续跟进并且执行任务。用户只需要查看结果或者确认关键的解决点,就能够解决具体怎么做,怎么高效做的一个问题。 整体来看,这三张卡片其实共同构成了一个完整的呃,交易路径。早点厅呢,其实负责的是提前准备和判断方向, 特别提醒负责盯住关键的移动信号。而任务助手呢,负责高效的完成执行的动作。其实他们都不是零散的功能入口,而是 ai 掌乐为投资者打造的一套可以持续陪伴的智能交易助手体系。呃,接下来呢,想回答一下刚才尹老师提的这个 新掌乐新在哪里这个问题。呃,从我的认知来看啊,我觉得新掌乐有三个新的地方。首先第一个呢是新掌乐,我们这个 ai 掌乐啊,是围绕着 ai 的 这个技术架构底座来开展的。 那第二个新呢,其实是我们的交互新啊,刚才也跟大家介绍了我们新的版本的 ai 掌乐,由三张卡片构成,非常的简洁,跟大家以往看到的这个交易软件是截然不同的,所以在交互上啊,我们是,呃实现了一个非常大的一个创新和改变。 那第三个呢?其实,呃,我认为的心呢是服务心,我们不再只是一个工具,而是陪伴客户的助手,可以帮我们的用户去解决问题啊,这是我理解的这个欣赏们的心在哪? 呃,那再接下来呢,就是刚才殷老师也说了啊,希望我们能够给客户推荐一些这个具体的功能那,呃,因为今天看我们直播的这个听众朋友们啊,嗯,可能是以机构客户为主的, 所以呢,我想给大家推荐两个,呃,在你们的这个日常的这个工作中,呃,在投资过程当中可能会比较有用的两个功能模块。那第一个呢,是我们的事件捕手这样的一个模块, 呃,在新长乐现在在这一次的版本的这个建设过程当中,呃,我们其实围绕着两条交易的主线啊,做了功能场景,一个是围绕事件驱动来的,一个是围绕资金的驱动来的。那么下面我想给大家推荐的呢,就是围绕我们这个事件驱动这个脉络来上线的一个功能场景叫事件捕手。 呃,其实大家每天都会看到嗯,闪亮的一些这个资讯的信息,呃,但是这些信息,呃哪些对上市公司是真的有比较大影响的?呃,或许很多人的这个脑子里是打一个问号的, 以及他有影响到底影响有多大?怎么传达给上市公司,可能也不是特别清晰的啊。所以我们这个事件部首呢,就是希望能够帮助大家去解决这样一个问题,真正去找到对上市公司有影响的这样的一些事件。 呃,那从事件出发呢?我们是希望能够挖掘到嗯,对我们的这个标的有影响的这样一些事件, 从标的的层面出发呢,我们其实希望能够达成的效果是让投资者啊,在自己关注的这样的一个自选列表里啊,橱窗的这个列表里面能够第一时间发现啊对这些标的有影响的这个事件。 嗯,所以其实啊,我们前期就做了一些比较多的这样的一些工作哈,也是感谢我们研究所所有的研究员先帮我们去打下来这样的一个一个呃 底座的一个知识,呃,帮我们梳理出来这么多的这个上市公司,那按照研究员的经验到底有呃哪些事件对公司的这个经营,对公司的估值是有比较大的影响的?那么之后才有我们的 ai 去及时的去抓取啊,去根据这个脉络去做呃分析 来达到呃能够让大家知道在这个市场当中,呃发生了一次降息啊,发这个,呃出现了一个产业的政策的变化呀,啊等等这样的一些事件发生之后啊,这些公司到底会有什么样的一个影响 那?呃,我刚才可能讲的比较抽象一些啊,那下面呢,我也想举一个例子,呃,来给大家去更加的直观的展示我们这个事件部首的一些功能。 嗯,我想举一个这个金价的例子啊,因为近来这个金价一直在涨,大家也很关心,嗯,金价为什么会涨啊?那啊金价的这个上涨啊,他可能会受这个,嗯, 地缘的地缘政治一些事件的影响啊,啊,美颜处江西的一些影响啊,央行购进一些一些影响等等。那么这些事件的类型,其实就是我们需要去关注的,会影响这个金价的这样一些事件类型 啊。那我们举个例子啊,假设这个美联储发生了降息这样的一个事件,那么 ai 掌呢?能够做到在第一时间把这样的一个事件提示给到我们跟金价相关的这样一些这个标的的这样一些客户。那首先是我把这个事件触发出来了, 那事件触发之来,往后呢,大家可能想关心的是这个美联储降息到底对金价会有多少影响, 那在这边的 ai 上呢,也是提供了一个计算的。呃,小模型,是我们根据历史的这个一些事件啊,数据啊,我们去整理出来的这个计算小工具。 嗯,大家可以在这个地方去输入啊,比如说每年处降息了多少个 bp, 那 么我们预测预计金价可能会有多少的一个涨幅,呃,可以方便大家对这个事情有一个定量的一个了解 啊。那再往后面啊啊,我们先看到了事件到金价的影响,那么接下去大家关注的是金价的上涨对于哪些公司有影响 啊?那可能首先会想到我们黄金产业链上的各家公司,包括上游的开采企业,包括中游的,还包括下游的这些零售的企业等等啊,那金价的上涨对他们的影响分别是什么样的啊?我们这边先举这个上游的开采企业为例啊,这个时候呢,大家就可以进到我们这个 呃这个具体标的的各股详情页当中去了。各股详情页当中呢,有一个事件的模块,在这个模块里面大家就能够清晰的看到金价的上涨, 在这家上市公司的这个整个的经营路路径当中,他是怎么传到怎么去影响的?呃,在这个地方呢,我们也去 内置了这样的一个测算,计算的一个小模型,让大家可以去计算啊,当金价发生变化的时候,这家上市公司的经营包括收入包括利润,他可能会发生什么样的一个一个影响,嗯,这样子呢,可能呃用户就会更清晰的知道哦。这个呃 黄金价格因为每年处的这个降息可能会导致金价发生什么样的变化?那再传导到这家公司的整个经营可能会发生什么样的变化? 再往下走,呃,这个金价的这个上涨影响到了公司的利润,那么利润又是怎么样影响到公司的 这个估值啊?或者说我们认为他的现在根据这个金价的上涨情况,他的合理市值应该是多少了。那呃到这一步的时候呢,就可以进入到我们这个各股详情页的估值这个模块, 这是我们设计的一个动态估值的模块,希望能够呃给到大家实现的是当事件也好啊,当一些大家关注的指标发生的变化也好,那么我们这个公司的呃估值对应的可能它的合理的市值应该是到什么样的一个位置来辅助大家去做一个 投资决策?那么这是一个从事件发生啊,到这个进价变化,再到上市公司的这个经营的变化,以及从经营的变化再传导到呃这个估值,我们应该怎么看?这样一个一个完整的列如吧。 呃,在这个过程当中啊,我们还提供了一个功能,是可以让用户在新掌乐上去自己设定一个啊盯指标的这样的一个能力的。那么以刚才的这个金价的事件为例啊,呃,其实用户可以在 ai 掌乐上面去设置嗯,金价 达到什么样的一个罚值的时候去提醒您。那么这个跟大家以往的这个可能呃工作的这个投资的这个 正常的做法可能会有一些不一样啊,那可能以往大家是需要每天去登录一个数据的客户端去跟进这个金价的一些变化的数据,那现在呢?其实您对于这个金价如果呃有一些 嗯,到到某些罚值你认为是一个非常重要的节点的话,您可以把这个罚值用一句话的形式去输入到这个 ai 掌握的当中,那么当这个指标 我们到达这个法治的时候, ai 长老就会提示到您,那您可以看到呃,再结合刚才的这个计算小模型,我们就可以把后后面的这个路径去看到了啊,呃,所以这是我们一个比较完整的一个分析和传达的一个呃脉络,能够比较直观的呈现给到大家。 呃,刚才提到了这个估值,也想特别给大家介绍一下,我们呢其实是搭建了一个比较基础的一个估值模型,同时我们也打造了一个去调整去调优这个模型的一个平台, 将来呢我们是希望这个平台可以开放给到咱们的用户去用的,那这样用户可以把您认为影响了这家公司估值的一些指标啊,一些事件纳入到这个模型啊,达到, 呃实时的就是根据指标的变化,根据这个事件的变化能让你了解到这家公司的估值啊,你认为当下可能应该是多少是一个比较合理的一个呃这个市值的这样的一个位置来辅助您的这个决策。 呃在事件部首的这个功能场景下,想最后给大家呃再打个小广告。呃推荐一下我们的这个事件选股的一个 agent, 这个事件选股的这个 a 证呢,其实是要解决啊买什么这样的一个问题,那么也是结合刚才提到的这个驱动事件,还有市场的热点事件去进行选股 啊,给到大家一些这个嗯投资的一些建议吧。嗯,欢迎大家能够去试用一下我们这个这个这个 a 证,看看我们的手语如何。 接下去想给大家推荐的一个功能呢,就是刚才在介绍我们新版本当中提到的第三张卡任务助手啊,对应的我们产品上面是我们的任务工作区, 那这个任务工作区呢,也是我们长期要建设的一个工作区,呃,就是希望这个工作区能够去解决去包揽大家日常的投资交易 这个过程中的一些大小事务,比如说你想抢个涨停啊,想去让 ai 掌乐帮您去把这个你关注的这些投资达人的这样的一些观点去 solo 回来,或者说复个盘等等啊,都是我们这个工作区可以去帮助大家完成的这样的一个任务 啊,我可以举举两个具体的这个场景啊,啊,我们这次上线的这个版本当中有一个功能啊,就是可以帮助大家去对自己关注的这样的一些投资达人去收集他们的这个观点啊,帮你去做分析,做整理。 呃日常呢大家,呃以往可能去要去看自己关注的这些投资达人这样的一些信息啊,一个是信息很多很杂,而且每天可能不知道他什么时候更新了,嗯,观点也没有去做一些提炼, 那只要你把你关注的这个呃投资达人这样的一个号告诉我们的 ai 涨了,那 ai 涨呢?就可以帮助你去实时的 跟踪去呃第一时间获取这些达人的最新的观点,并且能够去总结出来啊,不管是板块的也好,还是各国的也好,可以帮您整成一张卡片呃,方便您来直接的获取到这些投资达人的最新的一些这个观点,呃帮助大家去节省时间。 第二个场景呢是复盘,呃,可能很多的投资者其实日常并不做复盘呃,所以可能呃每天依然有一样的呃 不太优秀的一些操作,在反复的这样的一个呃投资过程中出现那 ai 掌乐呃这个复盘的这样的工作呢?可以帮您去呃复盘当日交易当中的,呃重要的一些关键的 这个操作,嗯,哪些是高光的时刻,哪些是做的不够好的,也是用一张卡的形式能够给大给大家去讲清楚, 那通过每天这样的一个复盘呢?呃投资者,我们的用户通过这样一个复盘也能够发现自己在操作过程当中的一些问题,那日复一日,呃这个将来的这个投资,在这个过程当中就能够更多的总结经验啊,有更多的这样的一个进步了。 以上呢就是呃想给大家主要推荐的两个功能,那其实 ai 掌上上面呢还有很多的功能和亮点, 欢迎大家下载试用,我们也非常希望听到大家在使用过程中的意见和建议,嗯,大家可以截屏去反馈,也可以告诉多米或者优米,我们都非常希望能够多多听到大家的心声, 那我今天的分享呢就到这,呃非常感谢,谢谢大家,非常感谢程总啊,也欢迎大家多多去使用我们的 ai 掌乐,新一代的 ai 掌乐,不管你是个人投资者还是机构投资者,我相信呢,这一代的 ai 掌乐一定会让你这个感到眼前一亮的。 好,那接下来呢第二个呢,我想问一下我们计算机行业的原则是小袁老师几个问题,那小袁老师呢,是计算机行业的研究员,主要的研究领域也是 ai 应用这个方向,理论上呢,你是我们这里面最专业的一个人啊,那我想先请袁老师呢,从产业层面介绍一下, 大模型现在大致上发展到一个什么程度了?能不能通俗的给我们做一个小的科普呢?哎,好的,非常感谢尹老师介绍啊。这个不敢谈专业啊,因为当时刚入行的时候,基本上正逢这个 tvb 发布, 也是赶上这一波大模型 ai 浪潮啊。呃,一直看大模型相关的,然后尹老师问到现在的大模型发展程度啊?嗯,我想一下,我觉得我从两个方面去描述一下,一个是从产业的大阶段, 另外一个呢,可能偏技术一些,就是因为看一下技术底座的话,还是会了解到现在大模型到底未来会朝什么样的方向去发展的。 嗯,从大的阶段上来看呢,因为全球确实海外的大模型比国内在技术呃路径上还是要领先一点的。那我们以这个其中目前来看最领先的 oppo 为例吧, 去年的时候,他应该就给大模型的发展已经做好了比较好的规划,他进行了 level one 到 level five 的 五个分级。第一个分级呢,就是 所谓的拆 boss, 也就是聊天机器人。这个呢,大家都很好理解,就像拆机器刚出来的时候啊,你就是我们问他一个问题,然后他可以给我们做各种各样解答,就是一种聊天形式,一问一答。但后来呢, 进入到第二个阶段,尤其是二四年年底的时候啊, open ai 呢,开始去推所谓的强化学习啊,他就把整个模型呢,往这个推理者的方向去发展。 这个推理我们怎么去理解啊?比如说我们最早用模型的时候,你问他一个问题,然后他会很快的给我们一个答答复,而这个答复往往会有很多的错误,就是模型存在挺多的幻觉, 但是自从这个强化学习被加入之后,我们发现,尤其是 dsp 的 模型,我们问他的时候,他会有一个心里思考的过程啊,这个词就是他的推理过程,有了这个推理过程, 其实就是让模型在回答问题之前有一个更好的答案的搜索路径,然后可以提高它准确度。所以这个推理呢,虽然可能大家对这个词会有陌生,但是其实我们现在用 dsp, 包括豆包,其实都是这么一种模式。然后第三个层级呢,就是叫做 agent, 翻译过来叫智能体这个词,这个大家应该也听到很多了,因为大模型呢,嗯,像 kimi 的 ceo 呢,还有一个比喻啊,就是大模型他是一个刚中之脑,他只会思考,但他不会行动。而 a 阵智能体呢,是我们在 大模型的这个很很高的一个大脑的智商的前提之下,我们会给他各种各样的工具,然后包括给他各种各样的外部的存储,让他把整个能力去扩展,就相当于给脑子安了个身子。那么这样的话,我们教给他一个问题, 他就可以全流程的帮我们解决,而不是说每一个问题我都要去这个啊问他一下。所以 a 证呢,是二五年甚至二六年,我们觉得都是一个发展重点 啊,尤其是最近啊, manus 这个来自于中国创业团队的公司, agent 的 公司被 madna 以二十亿美金给收了,而这公司成立仅仅八个月的时间啊,确实是非常 啊,非常好的去验证了海外大厂对于 agent 的 趋势的一个确定性的啊 bet, 所以今年呢, a 整个是非常重要的一个点,但这个呢,才只到啊 level 三,就才到第三个节点,那再往后呢?其实可能二六年他未必会实现啊,那 level 四呢?当时 oki 给大家是一个创新者,就是说 ai 可以 辅助我们在更创新的一些领域去做更前沿的拓展 啊。这一块呢,我我们自己感觉跟 a f size 会更像一点,但是今年能不能大规模去实现 level four? 我 们觉得可能还没有这么快。 当然像 google, 比如说像 google 的 alpha fold 这种对蛋白质进行预测这种,其实就有点像这个创新者这一层了。但是呢,我们觉得现在大规模的这种 a f size 的 啊, a 证还没有太多的出来,所以我们觉得这可能是二十七年甚至二八年以后需要干的事。那最后一个层级叫做组织者了, 因为组织组织这个东西其实最好是人类社会才会去干的东西,那这个可能就会更加久远,因为他不仅需要模型有 a 证的能力,还需要 a 证的之间的协助,以及其实每个 a 证呢,需要知道自己的不足,然后才能做这样一个互补的协助。但我们觉得这个可能会更加远期一点。 所以这个是从产业的发展上来看,我觉得 oppo 应该也做了非常好的规划啊,包括国内,包括海外的其他厂商,其实都是沿着这个五层路径去走的,这跟智驾的路路路路近是有点像啊。 然后如果从技术的发展上去看,呃,可以说目前全球所有的大模型都是近亲,这个怎么理解呢?因为现在的大元模型,它的智力来源主要都是来源于二零一七年 google 发布的 transformers 这个架构啊,这个架构呢, 尤其是大家也知道,就 dc 每次更新呢,都会对整个传送门架构里面的一些模块进行非常好的算法优化,但是呢,他依然没有跳脱出 transformer 的 架构,包括海外其实也是一样。那这里面有一个大家比较熟悉的词,就叫做扩展定律啊, 就是说我如何做一个好的模型,那我需要给他更多的算力,更多的数据以及更大的参数。当然这个最简单粗暴的那个时代也已经过去了啊,就像 oki 开始加这种强化学习,然后让模型去自主去思考, 所以其实这个扩展定律也进入到一个新的阶段。那今年来看的话啊,目前硅谷以及国内的一些比较头部的厂商,像智浦这种,他们开始强调就是所谓的继续学习, 就是现在的豆包,或者就信我们在使用它的时候,无论问他多少问题,其实整个模型的内部的参数和结构是不会改变的,但是这个 它并不符合人的大脑发展的这个方向,因为我们的大脑是每天都在学习,每天都在进步,你可以说今天你跟昨天你是完全不一样的,但现在模型还做不到这一点。 但是目前海外以 open ui 和 google 为先吧,他们还是想去把继续学习给落地,也就是说这个模型可以每天学习用户问他的一些知识,每天学习互联网更新的一些知识, 把整个的模型每天都在进步,这个是二六年有可能会部分实现的一个比较新的路径, 当然更长远一点啊。这个,呃,海外的,呃,尤其是啊,谷歌,他特别喜欢强调一个就是叫做世界模型啊,他们觉得现在的这个大语言模型啊,总是觉得好像还是在复现自己学到的知识。他们对物理世界和整个因果关系并没有很好的理解, 但世界模型它的目标就是让模型更加理解包括我们的物理、生物、经济等等各种世界的知识,然后这样的话才能更好的支持 level four 就是 创新者的这个层级。那这个呢? google 现在也是比较大规模的在投入,所以我觉得 啊,从产业跟技术上来看,大家都有比较明确的路径吧。对,哎,好的,谢谢小袁老师啊。然后我再追问一个小问题, 就是现在呢,可能我们很多的用户其实并不是那么会使用 ai, 可能是刚刚入行或者说刚刚开始接触 ai, 他 谈不上深度使用。那从你的这个角度来说,你有没有什么建议的学习路径?至少呢,能在使用我们的新一代的 ai 掌握的时候,让他们效果能够事半功倍啊, 明白。呃,就我接触我自己的 ai 产品的使用经历来说吧,我觉得 其实先不谈技巧啊,就是首先还是要养成使用 ai 工具,比如说我就把我的长乐放在我的 iphone 手机下面,对吧?那个 f 只有四个了,对吧?我就把其中之一放成是它跟微信放在一起,这样的话我 会经常的去发现它,经常去点它,然后一定要自己去培养这种 ai 工具的使用习惯,包括一些网页端的工具也是一样,我这些网页都是常开的啊,这样的话,因为大家其实接受新产品时候还是会有一个 抗拒的心理,我觉得我们首先还是要拉近跟 ai 产品的距离啊,大家就把找乐放在手屏你最常点那个位置, 一开始你可能对长乐不够了解,但是使用几次之后,其实你就会爱上,因为刚刚程总也跟我们介绍了这个现在的三瓶,确实因为大家现在不都想要结果吗?对吧?你不想去读网页,但是现在我们 ai 长乐已经能非常好的直接的给大家的这个问题提供一个结果。 我觉得第一个就是养成使用习惯,这是最重要的。那第二个呢?就是,嗯,在使用大模型里面最实用的一个小工具啊,就是所谓的提示词工程。其实听起来工程好像很高大上啊,其实也就是 由于现在的模型呢,大家确实对他的内部架构的理解还没有那么深,所以为什么模型能够解答我们这些问题还没有办法解释,早这个时候就会有所谓的提示词工程,就是我们通过我们问问题里面对大模型的引导, 能够让大模型把它自己已经学到知识发挥出来啊,就所谓的提示此工程其实最简单的呢,就是比如说模型啊,就是也有些 paper 去研究,说你如果不停的去夸模型,说你啊,假设我们在使用找乐的时候,先夸一下我们这个,呃呃,找乐的啊,小助手,你是一个 在这个整个投资领域非常强的一个人,然后呢你的角色呢?就是为我们这种普通的投资者,然后比如说每天去看一下市面上啊,这个市场到底在交易什么,然后我们还有哪些机会先夸一顿,然后给他定好一个他的角色, 然后呢再去提我们这个问题呢?呃,我们可以比较犯的去提你一开始,比如说你就是想说 啊,现在到底什么行业最受关注,我到底应该买什么方向股票?然后呢?涨了,一开始可能不会给大家一个特别 啊详细的一个标的,他可能会给大家分析一下整个行业的一些看法,在这个时候我们就可以用他的一些回答,然后再去逐渐的细化,所以这是在提示词上的一些 啊小技巧吧。目前呢,这个对普通用户来说,我觉得提示词工程是用好大冒险非常重要一个点。 但如果在这个 ai 找乐之外,大家还想再去用一些其他大模型产品啊,那提示词功能也很重要,因为很多大模型产品啊,其实 他都会提供所谓的这种小智能体的构建,那里面小智能体呢?其实就是为我们每一个场景,我们可以为他定制一套提示词工程啊。您,您觉得这个 啊,小的啊,小的啊智能体他到底想解决我一个什么样问题?然后我会,我会给他添一角色,我甚至可以塞一些资料给他,我觉得这个对我们同样的大模型,我们是能用出来更好的效果的,然后让大模型更懂我们, 所以我觉得这个非常重要,就是提示词工程。但是现在网上也有很多这种免费的教程啊,海外也有很多,所以大家去搜一下的话,基本上都可以搜的,我觉得可以简单的去学一下,这个非常有用。然后其实我觉得更重要的一点啊, 就是我自己,也是我自己一个做法,就是我们一定要做好自自己知识库的搭建,这个知识库里面可以包括我们平时跟长乐聊天的时候啊,你发现他有一些观点就是完全超乎了我的预期,然后我之前没有想到这种观点,我就会把它 copy 下来,然后在自己的呃呃笔记本里存下来。这样的话,我觉得现在或者是未来吧,人跟人之间,因为未来大家一定都有 ai 的 赋能,那如何拉开 大家的使用 ai 工具与时的差别?其实就是看我们自己在知识库上积累到底怎么样,我们能不能比别人积累多。所以我觉得就从现在开始,大家可以把跟长乐 这个灵光一现的时刻,包括我们平时在研究各种东西的时候啊,把这些内容和知识库全部都记下来。就是我我自己觉得形式不重要啊。现在比如说有些笔记软件,它其实带有这种 ai 的 功能, 但是我觉得即使我们用没有 ai 功能的笔记软件,也一定要先把东西记下来,因为记下来之后,未来大冒险一定都会把我们这些知识吃进去, 然后我们就可以让大模型能够对我们有更好的一个提升啊。这是我自己在使用 ai 掌握以及平时的一些 ai 工具上的一些想法吧。对,杨老师非常感谢。小袁老师啊, 那第三个呢?我,我们想再请我们的宋挺静宋老师聊一聊啊,我们知道呢,宋老师是我们所里的汽车行业首席, 看起来呢,你的本职工作里面除了智驾这个板块呢,可能跟 ai 呢还都是有点距离的,但我也知道呢,你确实我们这个研究所里面在 ai 赋能这个路径里面走的最快的,最远的。能不能请宋老师给我们介绍一下,就是咱们团队,呃,包括咱们研究所是怎么把产业经验注入到 ai 里面的。 好的啊,谢谢殷老师,那我就分析一下我们呃整个板块在整个 ai 赋能下面做了哪一些工作吧。嗯,最近呢就是在整体集团的这个战略下呢,我们还是以整个新能源汽车行业作为样本 啊,来整合了集团,呃,一二级的这个投研能力啊,希望呢是能够完成用 ai 的 能力来推动整个集团投研体系和投研范式重塑的这种初步的一个探索。 呃,目前的话呢,主要是通过了自上而下来解剖还原新能源汽车从最上游、中游、下游的这种产业链的一个脉络来打造包括但不限于统一的、专业的这种私域知识库啊,特色数据模型开发等 一些共性的一些体系。呃,所以从结果上呢,我们会以新能源汽车产业链的图谱啊,包括智能分析台、 a r 问答与报告等 形态来实现整个 ai 升级下的一个投研基作的这种打造。希望呢最终能够形成用产业常识逻辑推演以及说数据分析和验证下对整个一二级市场各环节进行定价的这么一个过程。 那所以说呢,我们,呃对整个新能源汽车的行业啊,每一个环节你刻画的越细, 评价的因子越多,就可以通过 ai 对 整个行业的这个洞察、提取和刻画,它就会越深刻啊,这也就是研究员可能能在这个里领域能够发光发热,或者说大家能够做到一些有特点、有特色东西的一个点吧。 然后那我们可能会分为几步来做进行啊?第一步呢,肯定是要刻画勾勒出整个产业链的这种动态的图谱。 那这个环节呢?呃,主要需要研究员是以一辆新能源汽车为出发点,然后根据对行业的一个理解分类,把汽车最重要的一些环节刻画出来, 小到这种电机里面定转子啊,这种非常小的产品都会被作为五到六级分类去显现出来。 所以按照这个逻辑呢,我们对整个新能源汽车做了呃重要的一个分类啊,它包括比如说七个一级分类,然后三十三个这种二级分类啊,一百个三级分类,两百个四级分类,以及说两到三千个这种五级分类的这个产业链的一个徒步。 那同时呢,我们也以四到五级的这个分类作为一个比较核心的呃关键节点做发散, 来标注出每个部件它的成本和价值量的一个构成,这样在整个汽车产业链里面的一个利润勾计关系,以及说 这个部件他可能所处的细分领域的这种发展阶段呀,啊,大家关心的内外的上市与非上市公司的进对关系, 以及说这个行业,呃各个主体的这种施占率啊,盈利能力和产能周期等 相关的核心指标都可以做出来,这可以解决一个什么样的问题呢?那我也举个小例子啊,对于新能源汽车来讲,大家比较关心上游原材料的一些变化,那当碳酸锂这个价格出现变动的时候,那作为研究员我们其实会用我们过去的一种 呃对整个行业的认知和经验数据来测算出整个呃变化。对于整车呀,或者说对相关产业链他的一个影响是怎么样的?那当我们把整个的这个产业链的动态图谱做出来以后,那其实系统就可以根据 ai 它自动定位到 相关的这个逻辑的演绎中,那就可以自动输出对于整车和相关产业链各股的逻辑和预测模型,甚至说对于你所关心的各股的这个影响也可以计算出来, 这个就是我们再去做整个产业链动态图谱所想达到的一个呃小的一个目标吧。啊,这也是做了一个初步的这样子的一个兑现。那第二个的话呢,就是说对于整个行业的智能分析台和看板的内容,我们要做一做一些设计。 那这个环节的话呢,我们觉得主要是需要研究员去建立对行业的这种实时的跟踪的逻辑。 比如说对于新联汽车来讲,其实最经典的一个需求就是我们会通过对数据的深度跟踪来增强对某个主体竞争力的分析,或者说投资的一个分析。所以说第一呢我们可能会去分析一下销售的一个潜力 啊,这里面呢,嗯,不仅会包括我们平常可能跟踪的,像包括月度啊啊,周度的一些批发零售上险数据啊,这些是我们研究员可能平常会做跟踪的, 那但是呢我们可以通过 ai 做一些什么样的加强呢?我们可以用一小时甚至说是秒级的这种频率去更新大家所关注的这个行业,新车的一些上市啊,以及说一些预售, 以及说现有的经销商网络的一些分布和到店人流的呃跟踪来分析。目前大家对于比如说新车的这个爆款,你的一个现状,以及说这个发展趋势到底是怎么样的,是可以实现二十四小时的这种动动态的洞察的, 所以这个是我们觉得就是哎呀对于我们在销售潜力分析方面一个非常大的一个帮助。那其次呢,我们也会再去分析这种库存的压力 啊,可以帮助我们多维度还是那个实时的跟踪行业和主体的,比如说你的终端的一个折扣情况,比如说各个品牌的这个库存深度的情况啊,因为以往我们在跟踪的过程中,其实还是比较依赖于 以月度啊为主要频率的这种更新,但是在整个 ai 的 帮助下,其实我们可以非常实时的能够跟踪到这些的一个变化,对于我们呃在整体的这个股票或者说投资这个跟踪中,我们觉得还是非常的有帮助的。 那最后的话呢,我们会综合整个产业链图谱啊,以及说我们做的整个智能分析台所展现的内容,来对各个行业和主体来实现对他竞争力分析的一个总结和概括, 这个是我们第二步整体要做的一个事情,那第三步要做什么呢?就是估值模型啊,这个其实比较容易理解,因为研究员在过去很大的一部分对行业的认知,对公司的认知,都是要归类到一个事情,就是说 啊估值模型和盈利预测的一些判断。那我们这里面做的就是说把研究员现有的对于估值模型的这种经验的逻辑值和如何导入啊,作为其实作为 ai 的 一个数据源头去作为一个输入点的, 比如说啊,对于整个新能源汽车来讲的话,我们会把原材料的一个波动啊,包括可能排产的一个计划,量产的一个计划,以及说大家关心的这种降价信息如何影响到行业,以及说主体的这个 毛利率的一个逻辑啊,我们会做这种设计和输入,那后续的话呢啊,当原材料的变化和降价的这种信息的变化,或者说涨价的信息变化,其实他都可以自动触发这个动态的一个更新,这个呢就 就会让我们不用等到财报发布以后再做调整,我们其实可以实时的对盈利预测的这个影响做一个跟踪 啊,这个就是说我们可能呃研究员在做整个 ai 的 这种赋能,或者是说用 ai 的 逻辑来重塑整体投研体系,做了一些初步探索的一个内容。嗯, 哎,好的,谢谢宋老师啊,那就问一个小问题,因为你做的这边基本就是研究赋能产业赋能的这块的这个努力,那么 就从你个人来讲的话,你觉得未来的 ai 投资或者 ai 交易会不会很具备这个专业的视角,就是产业的这种专家的这种视角,呃假设啊,假设我们未来全部都打通了,那个时候会是一个什么样的场景?比如说这个 ai 讲座会怎么样去回答 投资的问题?嗯,因为刚刚我有听到呃陈阳老师,其实他举了一个呃事件的一个例子,就是那个其实是比较能够 呃回答这个问题的。嗯,我自己还是相信就是未来整个的这个 ai 投资是具备产业专家能力的。有有两个比较重要的能力吧。第一个就是说呃全量信息的这种吞是能力啊,因为过去对于嗯 投资来讲,其实有有一部分的这个信息不对称,其实是会比较呃比较影响整个的这种投资的一个 呃这个叫斜率吧。啊,对,所以在刚刚我们其实一直在讲,我们无论是做产业链图谱,还是做智能分析台,还是做数据的分析,我们都强调的是一个二十四小时的这种动态的一个跟踪, 所以这个是他非常非常呃有助于我们投资的一个能力。然后第二个就是跨行业逻辑连接的这么一个能力。呃过去 呃其实像大家可以看到包括券商啊,呃这个公募啊,其实我们在对行业跟踪的分类上,其实是以呃关键点作为分类的。比如说汽车,其实它是以 呃汽车作为一个主体的,但是当汽车变成一个新能源汽车,以及变成一个智能驾驶的一个,我们叫 agent 吧,啊,就这个智能体的时候,它其实它的出发点是不一样了 啊,这就要求呃你做这个产业链的投资,你是需要既懂上游、中游、下游, 又要懂你的智能驾驶,包括像学员老师讲的,包括你的 transformer b e v 的 整个的架构对智能驾驶进展的一个影响。那你所有的跨产业的行业逻辑,其实它是对 呃,无论是对买房还是卖房,它的能力是要提高到一个新的 level 的, 这个也是 ai 可以 帮助我们 去做的一个事情,就是跨行业的这种逻辑连接的一个能力。所以我觉得未来整个呃拥抱 ai 和呃用 ai 的 思想去做投研的时候,他的 对整个的这种产业的变化,以及说应对突发事件能力的啊,这种变化还是非常非常有效的,我们也是希望就是过去呃非常多判断是靠经验和直觉的,这种呃时代 可以让 ai 帮我们找到能够政委当前投资逻辑的这种限号,使投研过的做的是更好啊,这也是我们所悉悉的。好的好的,谢谢宋老师啊。那最后呢,我想请我们研究所的精工兼策略首席 何何康老师再跟大家聊一聊啊。我一开始就说呢,我们四位同事对于 ai 的 理解这个维度肯定是不不相同的。如果说程总呢,他是一线的产品和科技的视角,小袁老师是前沿产业的视角,宋老师呢是研究赋能的视角,那么何老师这个 视角肯定是相对来说更综合一点,他的这个工作性质呢,也是最接近 ai、 ai 长乐的应用场景的。那我先问一下何老师一个问题吧, 能不能请您先给大家介绍一下,这 ai 或者说大模型的出现,给咱们传统的量化投资带来哪些变化?尤其是智能选股这块 啊,谢谢殷老师啊,那其实从我们日常工作当中最深刻的体会就是 ai 给量化投资带来的变化,其实就是写代码啊,当然也包括写一些简单的量化的报告啊,那我觉得从至少从代码的层面几乎可以替代人类, 当然这方面其英超老师肯定是绝对是我的老师啊,就平时也也教我很多这些小的技巧。那么当然除了说代码的工作之外,我们也思考了一些大模型的呃在量化投资当中的一些更加深层次的应用的场景,那我就分三个角度来展开,就是花因子 文本信息的加工和再造啊,以及金融市场的模拟啊。那当我在开头的时候,应老师说尽量不要讲的太太太学术啊,但是可能 这个对于量化的研究来说,可能多少还会涉及到一些这个专业的部分啊,我尽量讲的通俗一些。 首先第一个场景叫 y 因子表达式,因为大家都知道接电话投资里面呃最基础的这个呃研究的框架叫多因子全股的,我们从呃量价数据或基本面数据里面提炼出来一些有效的因子,然后去对股票的未来收益做一个预测。 那么呃过去的量化的因子都是人脑进行挖掘,或者说一些简单的机器学习算法进行挖掘,那么现在进入到大模型的时代,其实 y 因子这个工作可以变得更简单啊,就是直接我们通过一些啊 prompt 那啊,当然这个 part 会会比较的复杂哦,我们会给定一些比如说啊,它背后的一些基础的字段啊,给定一些运算符以及一些具体的要求,那么我们让大模型去生成一些因此的表达式, 就如啊这页图最右边的这个表达式,那除了他能直接给出来因子定义之外,他其实还可以啊,帮我们去做解释啊,就是像中间的这一列啊,就是因子的可能的投资逻辑给讲出来,所以呢, 有了大模型的加持,其实我们 y 因子就不再是一个百分百的黑箱,对吧,就在一定程度上是可以做到可解释的。那么在这个方面啊,呃,回来进攻团队的沈阳和卢忠老师做了非常漂亮的工作,这个有延时的报告都跌实在上面,这是第一个应用的场景。 好,那么呃第二个应用的场景呢,叫文本信息的加工和再造啊。那我们呃先说加工,那其实在量化投资里面,我们时刻要面临着面对着海量的呃文本的信息,他可以是新闻余情,也可以是分析师的研报。 那么呃我们团队的孙浩然老师呢,就借助大模型啊,做了这样的一个啊很漂亮的工作,就是我们首先呢是对于股票啊,那呃他的兴奋于情,我们借助大模型去做一个积极或者是消极的一个二元的情感的判断。 呃,那呃当然,这里您可能要问说这个非大模型不可嘛,对吧?那我人能不能做,或者简单的模型能不能做呢?实际上我们觉得对于呃人来说啊,他可能处理一家上市公司是可以的啊,但是 你让他处理权势上的上市公司,显然人是看不过来的,那另外呢,就是在报告里面啊,这可能有一些这种言外之意,呃,不管是新闻报告啊,不管是言报的,还是呃新闻的余情, 那么我们觉得更强的语这个模大模型,那么对于这种语义当中的言外之意的理解会做得更好一点。那当我们对于新闻余情进行了一个二元的情感的分类之后,那我们在 去做啊,对应的啊,这个量价的选股的网络啊,甚至这个呃 g r u 或是其他的一些呃玄关神经网络,甚至更复杂的一些呃查询的一些网络,那么最终呢去得到股票收益的预测啊,就如 这一页图的这个中间的这个呃展的这个示意图所展示的,那么所以这个过程呢,叫做情感分域站在建模啊,这是我们团队三号老师做的这个很漂亮的工作, 那另外呢叫做文本信息的再造,那这个呢对应的是我们团队小杨老师的这个大模型文本全部的工作,那么呃我们是让大模型啊帮我们去读研报,那么但是呢,我们不是说一般的这个,只是是去 一个情感的判断啊,那我们是会让大模型带着一些问题去读研报啊,因为大家想正常的,比如说投资经理,对吧?看研报的时候,他也是不是直接去读取他的纸面的意义,他也是带着一些问题,比如说这个标题里面有没有一些他想这个作者想凸显的意思啊? 然后这个呃报告里面有没有些展示的一些行情的催化呀?有没有些言外之意啊,潜在的风险啊,等等等等, 那我们就相当于让大模型带着一些问题去做一些研报,那么大模型呢,会给出来一些啊他的回答,他的解读,那么就如啊这张表格所示,就是这些文字其实都是大模型生成的文字, 那么我们这些文字呢,就可以作为一些新的语料,你可以理解成是分析师研报的精足啊,那把它作为新的语料,和原始的分析师的研报的文本一起啊,送入到我们后续啊比较成熟的文本选股的网络里面,那最终呢,给出来一个这个选股的判断 啊,所以这是第二个应用场景,是吧?叫文本信息的加工和再造。那第三个应用场景呢?听起来就可能有一点科幻了啊,这个呢是对应的一些啊,学术界以及海外的一些研究。 那么比如说这个微软亚研院在二零二四年的时候就有篇 paper 了,他做的一个工作是什么呢?啊?他把金融市场里面的每一笔委托单啊视作是一个 token, 然后呃,用这些啊语料去训练一个金融市场的原生的大模型,这怎么理解呢?就是其实大家想象一下,在物理世界里面,我每一个原子可能就是最小的一个单位,对吧?我不能再拆了。 那么在金融市场里面,可能二级市场里面每一笔下的委托单就是最小的一个单位,它也不能再拆了。那好,那我们呢,如果把每一笔委托单啊,通过某种方式去做 tokenization, 把它转换成是一个 token, 那 就相当于是文本里面的一个单词,一个词源,对吧?那对于,呃大模型来说,那它是会基于历史上的这些 token, 然后不断的去生成跟预测下一个 token, 那 意识到金融市场,那我就可以根据历史上的这些委托单,不断去生成跟预测下一笔委托单,下下一笔委托单, 那这样呢,就可以实现一个啊,金融市场,尤其是高频领域的一个模拟器,把它用它站在一个上帝视角,不断的把这个后面的一些市场的可能的变化给它模拟出来。那么,呃,我模拟出来一些委托单之后呢?假设我有一个撮合的机制,我就可以把这个股价给模拟出来, 那么就如呃,这页 ppt 的 左上角的呃,这个图所展示的啊,那么它就可以模拟出来未来,比如说一到五分钟的一条价格的路径,那我我可以模拟多次路,多条路径,对吧?因为单词生成有随机性,我们跟大模型对话来说,每一次它的回答也 五项相同,那么比如说我模拟一百二十八次,那最后求个平均,就得到了最终的对于股价的一个高频的预测。那么在微软研究院的研报里面就证明了啊,那用大模型去预测,它的准确率是要高于传统的啊,极深度学习方法的预测啊。那 无独有偶啊,其实在海外的业界啊,也有类似的研究成果了,那么呃,在英美达 g g 七二零二五的大会上,这个是一个公开的演讲,大家可以看到的。 那么 hrt 啊,这个一家海外的呃,知名的对冲基金,它的这个演讲的主题就是啊,他们是怎么用啊?线下订单部数据去做了一个大市场模型啊,那大家看右边这个图,那是不是跟前面的这个,呃呃呃,微软研究院的研究室是完全一致的,就是把 大模型啊,堪称是一个金融市场的模拟器,然后去做一些价格的高频的模拟。好呢,所以,呃,我总结一下吧,就是我们觉得其实 ai 大 模型对于量化的行业的改变,那首先最直观的就是写代码提升效率,那其次呢,就是在 一些西方的行业可能已经有了一些相对成熟的应用吧,像刚才讲的文本信息的加工啊,以及这个高频数据的一些模拟,那么在未来我们相信啊, ai 对 于量化投资 一定会有更加颠覆性的改变。哎,好的好的,谢谢何老师啊。再就问一个小问题啊,就是对于很多的咱们的用户,个人投资者的话, 何老师觉得是不是可以借助或者说运用 ai 去更多的分享已经成熟的这种量化策略的成果,或者换句话说吧,能不能通过咱们的 ai 掌乐让大家做到量化平权? 谢谢尹老师。其实我刚开始拿到这个题的时候,我真的一下子不知道怎么答,我们还是平时服务机构客户比较多,而且我们自己也严守合同啊,也不去买卖股票的。那好,那当我看到一道我自己不会做的题,我的第一反应是什么呢?就是去问 ai 掌乐啊, 然后呢,他答的怎么样呢?我感觉这个回答堪称完美啊。呃,就比如说 ai 掌乐告诉我什么呢? 就是在这个我们的这个讲的里面有一个功能叫做兑换式的选股,这个兑换式选股呢,它也分基础款跟进阶款,那基础款呢?就比如说我们就直接问他啊,请筛选成交额超过十个亿,而且换手率高于百分之二十的股票,那 ai 就 自动会帮你生成一个股票池,这是一个简单的版本, 那么还有进阶款,而且就是 agent 的 形式,其实开头的陈彦总也也介绍过了,那陈彦总是作为开发者的视角介绍的,那我来作为用户的视角,是吧?我来讲讲我的体验,就比如说,呃,这个 ai 讲的里面有一个叫事件全股助手 啊,你要还有家助手啊,像这个连版选股助手等等等等,对吧?那假设你不知道怎么用,那就就那就直接去问 ai 讲了啊,比如说事件选股怎么用?那这个 ai 讲了呢,他相当于他会唤醒这个助手啊,然后给先给先会给一段 保姆级别的操作指南啊,比如说这个事件选股,大家怎么操作的?就他第一步呢,会先从全市场的这个最新的新闻热点事件里面 去做一步筛选,而且呢这个用户是可以勾选的,比如说呃过去一天吧,比如说人形机器人,还有一些重要的这个产业的变化,比如说黄金和白银的大奖,就会给一些这个事件,那用户可以去勾选的 第二步呢,我们再设定一些跟交易相关的条件啊,比如说呃过去,呃过去一天主力资金净流入大于多少亿元,是吧?那么再比如说这个有些基础指标 macd 到底是金叉还是其他的一些这个图形,对吧?创下过去二十日新高等等的一些我们常见的一些基础指标, 那么还有呢?再比如说我们还有一套这个多因子筛选的流程啊,这个也非常的量化,非常的 ai 啊,去筛选因子排序前百分之多少,前百分之二十,前百分之十的个股,那么给定了这些条件之后,那最后他就会生成一个符合条件的股票池 啊,我这个昨天晚上其实说了一下,真的是清澈有效啊,我就非常推荐用户朋友们去感受一下 啊,所以最后总结一下吧,就是如果呢是要使用 ai 量化测的成果,我觉得一方面呢,其实我们可以参与到一些量化的公木私木的产品当中啊,这个应该是最神圣的一个表现形式,对吧?那呃, 那因为现在确实这个量化行业已经是全面拥抱 ai 了。那另外一方面,我觉得作为啊,刚严老师说的个人投资者,对吧?那我觉得这个人类对于 ai 掌掌乐的探索不足百分之一啊,所以我们可以多多的去探索 ai 掌乐,我觉得真的会有惊喜,谢谢。 哎,好的好的,谢谢何老师啊,各位投资者啊,我们今天的这个 ai 的 会谈呢,就到此结束了。
粉丝173获赞440

一分钟 ai 涨乐功能,速来!投资小白也能轻松上手!炒股怕复杂, ai 涨乐,一句话搞定所有操作, 新手投资不用愁!大白化选股加决策,可式化选股逻辑全透明财报公告看不懂,智能解读,一键提炼核心,告别盲目跟风。 七成二十四小时 ai 主动钉盘,主力动向事件影响实时预警,还能实时解读产业链导逻辑,让你提前抓住机会规避风险。 语言交互真的香!一句话下单条件单预埋,开车也能轻松投资,告别繁琐点击,交易效率打满! 不管是新手入门还是资深玩家,都能获得专属陪伴服务。专业投研内容精选推送,投资能力稳不升级!华泰证券 ai 掌乐全流程智能投资伙伴,现在下载,让投资更简单!


别再自我感动的复盘了,在 ai 已经能够自动拆解研报,秒击钉盘的今天,你还在靠体力炒股,说白了就是在用纸飞机撞 j。 二零二零二六年的投资的底层逻辑已经彻底改变了,咱们今天就平式的聊聊华泰这个 ai 涨乐到底是怎么暴利拉低散户门槛的。 以前咱们用软件,那是人找功能,在层层菜单里翻找。现在的逻辑变了,是 ai 送服务,比如上班族最头疼的看研报, 几十页的研报谁能看得完?他的早点听功能,就直接把全网资讯脱水去燥,提炼成几分钟的干货喂给你。还有一句话,盯盘你直接开口提需求,他就像一个私人小秘书一样,帮你时时盯着,彻底解放你的双手和眼睛,让你该干嘛干嘛,不用随时盯着手机心惊肉跳。 最狠的是,他把以前机构专用的自动拆单算法下放给了普通人, ai 会在毫秒级自动帮你寻找买卖点,这就是真金白银的在帮你省钱。 而且不搞那种黑核决策, ai 是 怎么规划任务的,数据从哪来?逻辑是怎么推导的,全部通过可视。话 说白了,就是把原本属于大机构的顶级武器,直接塞进了咱们普通散户的口袋里。其实我最看重的是这一点,其实我最看重的一点是它在解决,解决投资里的信任焦虑。 以前所谓的智能推荐更像是抛硬币,你根本不敢相信。但现在 ai 涨乐通过产业链知识图谱,能把一个政策、 一条新闻背后的逻辑链条清晰地拆解出来。它不是直接告诉你结果,而是带着你走一遍流程,流程走一遍推理过程。这种工程的确定性,让普通散户也第一次拥有了专业沿头视角。这才是真正的智能屏权科技屏权 工具在进化,博弈在升级,虽然技术能抹平信息差,但最后拍板的那个人还得是自己。别盲目依赖工具,在这个时代,你一定要学会使用工具。你觉得 ai 炒股到底是在帮你避险避坑,还是另一个更深的技术陷阱?评论区,咱们深度唠唠。

你手机里的 ai 投资工具,是不是除了查股价,其他功能都还在吃亏?想有人手把手带你一起用一遍智能工具,从如何向 ai 提问、设置钉盘,到用事件捕手拆解市场热点,用海量历史数据 将事件与公司的经营串联成一条清晰的导链吗?那你绝对不能错过!华泰证券 ai 掌乐官方直播间,我们将以直播的形式深度剖析核心功能的设计逻辑和使用技巧, 有不会用、不敢用的问题都可以现场来问,赶紧点击预约,我们不见不散!

我们再回到今天啊,我们这个掌乐的这个 app 的 话,那为什么要 post training? 就是 说我们刚才算的那个就是整个人类通用的知识哈,就是把所有的词汇包括标定啊,给它标定相应的,那是两样的分布哈。呃,那是通用的,呃,但是呢,这个通用的话 准确度不是特别专一,所以说我们需要专业的一些训练,把它形成一个非常专业的一个泰式空间,这个泰式空间是更加精准的、更加贴切的,对他的语义的理解是更加的细致和和准确的,这就是我们我们需要各种 专业的这个训练的这个 ai 模型,对于这个股票的预测或者是各种投资的这个方面的话,那肯定是要呃,用这个那个数据训练,是吧?这个数据训练就是要呃训练这些这些参数,使得我们的这个一个巨大的通用的大空间里边有个子空间。这个空间呢是 呃非常的精准专业的。比如说你问不同的人,这个这个人他他学什么的?就是学物理的或者学数学的,你,你跟他,你问他这个物理或者数学方面的问题,他会非常快的回答你,对吧?因为他他的脑子里边的泰式空间是那样的构建的, 但是你问一个学文科的人,他可能语言上表达非常好,但是你要问他数学问题,他可能会没有学过,这就是专业性,就是大脑里的那个呃,你的知识的构架是 可以用那个限行代数里边那个泰式空间来表达,但是要专业的话,它要重新调节,让它形成一个新的一个子空间,不断地用这种梯度下降的那个方法来进行这个训练,所以我们需要一个专业的这个 ai 的 这个 app, 那 么掌乐就是这样。

你已经有了关注,或者已经持有了一只股票,但你又想去深入地了解它,那这个时候你可以怎么问呢?你可以这么对我们的 ai 提问啊,问问它某某某估值合理吗?它是不是具备了长期的投资价值?那我们的 ai 也会解锁新闻资讯、数据指标,还有调用我们的估值模型、财务,包括行业前景、风险点等等很多维度的这样一个信息,给他做一次快速的全身的扫描, 好像经过 ai 大 数据的一些筛选之后,把一些重要的东西提炼给你,你再看一些重点的健康的报告啊,哪个指标好啊,或者什么样的异常啊,它都会标注出来,所以其实也是减少了我们的一些要花大量的时间去搜集的过程。 其实平时我们做体检吧,不是一年一次,但是平时如果我没有什么头疼脑热生病了,那我们还是临时需要去医院看看。这种情况可能是出现在盘中,大家遇到了股票突然的上涨或者下跌了,哎呀,这个时候很让人着急啊。那么这个时候你也可以问问我们的 ai, 这是 什么原因?你可以这么问啊,某某板块午后突然跳水了,可能是什么原因导致的?那么 ai 也会调用工具去查询近期的驱动因素,包括政策变化、行业动态、宏观经济等等。

商业航天一段时间它大涨的原因呢?主要是因为最近我国新增了二十万枚的卫星的申请,可以看到呢,这条新闻呢是在一月十一号的时候就发布了,那我们在我们的 ai 掌握上面看到对它的分析,也是一个有一个行业利好的 热点事件里面呢,有个一图看懂他就能够快速的让你对整个产业有个简单的了解。你看这一张图上下游他都包括了,包括有那个系统呀,发动机呀,元气件制造呀,通信还有导航都给你列的清清楚楚,那哪些企业有参与到,他也能够分的明明白白的。 甚至呢你可以直接点到那个去关联个股里面看,下面对这个公司的总结也都列出来了,那比如说某个卫星,它是卫星制造加卫星应用的。


以前呢,我们遇到热点事件,我们大多数会刷新闻,逛古巴,然后就追达人,看他们怎么解读的,并且反复向自己或身边的人提问,说,这事出来了之后,我到底能不能买啊? 但是真正难的呢,并不只是买不买,而是这个事件,这个新闻它到底对哪些公司有影响?具体的影响是什么?会持续多久? 比如我们遇到了极端天气新闻,说空调的出货量增加了两百万台。看到这个新闻我们会去想,那接下来呢?如果气温再升高,那空调的销售量会不会再提升?如果空调的销量上去了,那对应公司的利润 会不会丰厚更多?如果这些问题我们想不明白,直接就冲进去买了,往往就是被套的开始。所以现在我们打开事件补手,他会把一条新闻直接拆成一条清清楚楚的影响电路。比如说我们看到这条 关于金价变动的新闻,其实对于黄金看台企业来说,盈利的关键就是卖价减成本, 就是在产能不变的情况下,只要金价能够持续的上涨,且它的成本非常稳定,这中间的价差就会被拉大,直接会推高单吨毛利。也就是说这个企业不用破产,成本控制的很好的话,单靠金价上涨就能够明显增厚利润。 所以在事件部手里,就是帮我们把热闹拆成逻辑,把消息变成判断,你能提前看清这到底是个机会还是一阵情绪, 更省心的是什么呢?我们还可以交给优米来帮我们盯这个事件的变化,这样的话,我们就不用天天去刷资讯,不用自己去推演有关键的变化,有关键的更新他都帮你盯着,该到你决策的时候,他就会跑出来提醒你。