金工專題報告金工專題報告DeepseekDeepseek背景綜述及在金融領域應用場景初探研究助理:馮昱文 《基本面回撤，高波風格持續——中《各資金持續流入機器人，短期注意回調風險，行業輪動開始超配成長—《基本面回撤，高波風格持續——中《各資金持續流入機器人，短期注意回調風險，行業輪動開始超配成長—《全面牛市正在到來，微盤有望修復《基本面表現強勢，風格切換加速—《信號全部翻多，微盤股高勝率月份萬，這對DeepSeek官方服務器造成了顯著的壓力。與此同時，受益于DeepSeek的開源方案，眾多第三方平臺宣布接入DeepSeek-R1截至目前可以訪問DeepSeek的13種途徑，并詳細介紹了如何使用API中可能會遇到的實際場景，并嘗試使用DeepSeek-R1進行問題解答與處理，也在諸多DeepSeek使用案例中展示D本報告中的案例僅供測試使用，不構成投資建議；DeepSeek回答存《小市值反彈，高波風格占優——中郵因子周報《小市值反彈，高波風格占優——中郵因子周報20250119》-2025.市場有風險，投資需謹慎請務必閱讀正文之請務必閱讀正文之后的免責條款部分2 12 13 17 20 23 27 31 33 35 36請務必閱讀正文之后的免責條款部分3圖表目錄 5 5 6 8 15 15 16 16 18 18 19 21 21 22 22 25 28 請務必閱讀正文之后的免責條款部分4 32 請務必閱讀正文之后的免責條款部分51DeepSeek背景介紹舉超過豆包成為國產日活用戶最多的大模型，同時也成為全球用戶增長最快的AI資料來源：AI產品榜，中郵證券研究所資料來源：AI產品榜，中郵證券研究所4Turbo的17%，低成本、高性能的疊加使得需求端爆發式增長：一方面網頁端及部署DeepSeek大模型。DeepSeek-R1模型的問世不僅刷新了AI應用的普及速度，我們認為DeepSeek-R1模型在2025年1月引發的轟動只是中國AI行業快速發對于AI大模型應用的開發，DeepSeek-R1將會在更多領域展現出更大的影響力。請務必閱讀正文之后的免責條款部分6核心貢獻。請務必閱讀正文之后的免責條款部分7資料來源：Bi,Chen,etal.論文《DeepSeekLLMScalingOpen-SourceLanguageModelswithLongtermism》,中郵證券研究所果為模型的擴展方向提供了有力的指引，助力在模型開發過程中更合理地規劃資請務必閱讀正文之后的免責條款部分8注意力機制（GQA）。而在這篇文章中，主要介紹了MLA（Multi-HeadLatentAttention）在性能表現上優于MHA，并且在減少KV緩資料來源：DeepSeek論文《DeepSeek-V2:AStrong,Economical,andEfficientMixture-of-ExpertsLanguageModel》,中郵證券研究所MoE的主要優勢在于：1）在不顯著提升計算成本的前提下，拓展模型的容量。處理中表現更為出色。3）實現稀疏激活。借助門控機制，在運行過程中，僅讓部分請務必閱讀正文之后的免責條款部分9資料來源：DeepSeek論文《DeepSeek-V2:AStrong,Economical,andEfficientMixture-of-ExpertsLanguageModel》,中郵證券研究所在傳統的強化學習方法里，像近端策略優化（PPO，Pro不過，訓練Critic模型這一過程本身會額外增加計算成本。GRPO之所以可以舍棄Critic模型，是因為它借助了“群體分數”（group請務必閱讀正文之后的免責條款部分這篇論文在DeepSeek-V2論文基礎上介紹了DeepSeek-V3這一致力于提升開源模型性能，推動語言模型向通用人工智Multi-TokenPrediction的目的在于，通過促使模型在每個位置對多個未來度，幫助模型更有效地規劃自身的內部表示，進而增強對后續令牌的預測能力。策略，如在不同階段使用不同精度的數據類型，FP8訓練可以保持與全精度訓練相請務必閱讀正文之后的免責條款部分這篇論文主要介紹了DeepSeek-R1和DeepSeek-R1-Zero這兩個推理模型，展模型推理能力方面的應用。資料來源：DeepSeek論文《DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning》，中郵證券研究所Zero自主掌握了通過延長測試時計算（extendedtest-timecomputation）的方請務必閱讀正文之后的免責條款部分習環境相互作用的過程中，自發產生的，這也被成為大模型的“頓悟時刻”(Ahamoment)。DeepSeek-R1能夠在極低訓練成本下實現與ChatGPT-o1相當的性能，主要依們羅列了DeepSeek-R1與傳統大模型在各項維度上使用的技術的對比：\正是有了以上的技術手段，才能讓DeepSeek-R1在如此低的訓練成本下訓練出請務必閱讀正文之后的免責條款部分2DeepSeek使用入門由于用戶的快速增長，因此在使用DeepSeek網頁端或手機應用時經常會出現“服務器繁忙，請稍后重試”的提示，我們總結了目前市面上常見的DeepSeek訪問途徑如下：請務必閱讀正文之后的免責條款部分除了DeepSeek官方提供的網頁端訪問路徑以及手機應用app端，我們還羅列了一些接入DeepSeek模型的第三方大模型服務平臺，如網頁端可以直接訪問的國已接入DeepSeek模型的服務平臺，如模型托管在美國的Perplexity.ai等。在這些接入了DeepSeek大模型的平臺中，也有一些平臺提供了除對話外的輔助功能，如QuoraPoe平臺就可以進行模型比較，Ima模型可以使用拖拉拽的除了訪問已封裝為Chat-as-a-Service服務的第三方大模型服務平臺，還可以利用API對DeepSeek模型進行訪問，此種方法前期準備工作相較于直接訪問模式請務必閱讀正文之后的免責條款部分會更復雜一些，但是優點也是顯著的，相較于直接訪問使用API調用很少會出現服型進行輔助。一般使用API對DeepSeek進行訪問的流程如下，以騰訊云與冊之后進入鏈接：/Step2:完成實名認證后，在以下頁面生成DeepSeek模型的API：Step4:下載CherryStudio,網址為：Step5:在客戶端中關聯之前注冊API的模型服務，輸入相應的API請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分以上就是利用第三方大模型服務以及CherryStudio客戶端進行大模型使用3DeepSeek在普通人投資場景下的實例分析話測試的方式協助投資人了解自己的風險偏好。請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分如上所示，利用提示詞引導DeepSeek設計問題并規定問答流程，可以簡單快在以上問題的基礎上還可以繼續追問以下問題，以獲得更詳細的風險偏好特1.5個問題太少了，我認為不能描述我真正的風險偏好，請務必閱讀正文之后的免責條款部分20的投資產品。這種情況下，可以利用deepseek輔助進行投資選擇。在該場景下的提示詞設計需要清晰描述自己的情況，以讓deepseek提供更具體的投資建議。一般來說需要告知deepseek的內容包括：項目后利用這筆投資款用于購房首付，首付款大概在300到350萬之間，我的首要要求是不能1.心理層面：需要告訴deepseek自己能接受的短期虧損上限是多少。如果自己不清楚可2.財務能力：主要需要告訴deepseek用于投資的資金是否是長期閑置資金或者該筆資金合規性：如有家人從事金融相關行業，需要提前告如果有個人偏好的要求，如是否關注ESG投資，是否希望組合盡可能“省心”等。請務必閱讀正文之后的免責條款部分21請務必閱讀正文之后的免責條款部分22請務必閱讀正文之后的免責條款部分23既保留超額收益潛力，又通過債券降低整體波動率。于此同時DeepSeek的方案中益資產設置10%的止損線，防止深度套牢，以及利用貨幣基金、債券基金提供流動性緩沖與利潤安全墊，可以較好的應對突發資金需求。最后我們也可以看到，DeepSeek的方案也考慮了投資人為投資新手的因素，選擇了研究門檻較低的指數則更加困難。在這種情況下，可以利用deepseek快速了解金融產品。請務必閱讀正文之后的免責條款部分24請務必閱讀正文之后的免責條款部分25請務必閱讀正文之后的免責條款部分26行業主題型基金、混合型基金、股票型基金以及海外/QDII型基金。并且針對不同輔助進行投資：請務必閱讀正文之后的免責條款部分272.這些債券基金有什么差別？如何評價一個債券基金的好壞？在你提供的債合。在此情境下，我們可以利用deepseek輔助我們進行投資選擇。請務必閱讀正文之后的免責條款部分28請務必閱讀正文之后的免責條款部分29請務必閱讀正文之后的免責條款部分30請務必閱讀正文之后的免責條款部分31請務必閱讀正文之后的免責條款部分32此處上傳了上市公司年報摘要，除此之外，還可以利用DeepSeek的強大功能1.上傳上市公司公告，讓DeepSeek輔助進行分析，如上傳某3.上傳宏觀數據，讓DeepSeek對宏觀經濟情況進行分析，并對后續投資給請務必閱讀正文之后的免責條款部分33回答存在良莠不齊的可能。我們可以采用逆向思維，在DeepSeek給出回答后，讓請務必閱讀正文之后的免責條款部分34請務必閱讀正文之后的免責條款部分354展望毋庸置疑以DeepSeek為代表的大模型產品與工具已經極大的影響了投研工一方面是因為DeepSeek等大模型是通用類或邏輯類大模型，并不是應用于金融領請務必閱讀正文之后的免責條款部分36認為該方向也會是未來大模型輔助金融工作重要的研究方向之與此同時