AI 赋能

把大模型与智能工具引入备课、实训与过程评价

梳理 AI 在本课程中的具体赋能场景、工具链与可观测的能力画像。

AI 赋能教学

大模型与智能体正在重塑证券分析的全流程：从财经新闻与公告的情绪识别、机器学习多因子选股，到智能研报生成与组合风险预警。本课程把 AI 作为分析助手嵌入市场分析、定价与组合管理各环节，坚持人主机辅、模型可解释、决策可追溯。

将大模型与智能体引入课堂，覆盖从概念理解、代码实现到案例推演的全流程。

用自然语言处理对财经新闻、公司公告与研报进行情绪打分，构建情绪因子辅助择时，识别市场关注度的边际变化。

用随机森林、XGBoost 等模型对估值、成长、质量、动量等因子进行筛选与加权，对比传统线性多因子组合。

以大语言模型基于财报与行情自动生成个股深度研报草稿，再由人工校验关键数据与结论，提升研究效率。

用深度学习监测组合净值与因子暴露异常，对回撤与流动性风险触发预警，辅助仓位与再平衡决策。

以下工具可在本课程学习与实验中辅助检索、编码、建模与可视化。

中文财经文本摘要与公告要点提取；输出须交叉核验，警惕模型幻觉。

本地获取行情与财务数据、计算因子；数据不出域，适合课程实验。

云端回测平台，验证选股与择时策略的历史表现与稳定性。

金融数据终端与问句式检索，支撑实务研究与合规数据源。

以下提示词可直接复制到主流大模型，辅助学习与本课程实验（请核验输出、遵守学术规范）。

财报速读

你是一名证券分析师，请基于以下公司年报摘要提取：营收与利润变动、现金流质量、主要风险点，用要点列出，并标注需进一步核实的数据。

因子构建

请解释如何用 PE、PB、ROE 与动量因子构建一个等权多因子选股组合，给出 Python 伪代码与再平衡频率建议，并提示过拟合风险。

使用 AI 须恪守学术诚信、数据安全与行业合规底线。

行情、研报与公告数据须来自合规授权源，遵守版权与个人信息保护要求。

AI 生成的研究结论必须回到原始披露交叉核验，禁止直接作为投资依据。

历史回测不代表未来，警惕过拟合与幸存者偏差，决策仍需人来把关。