基於大語言模型的金融數據分析

1996-2000: 江西師範大學，數學專業，本科 2002.9-2005.7： 南昌大學，應用數學專業，碩士 2025.9-2008.11： 西安交通大學，計算數學，博士 2010.7-2012.12： 中國科學院，管理科學與工程，博士後2008.12-2022.6： 江西財經大學，金融學院，講師，副教師，教授 2022.7-至今：上海外國語大學，國際金融貿易學院，教授 訪學： 2012.10-2013.8： 新加坡國立大學商學院，公派訪問學者 2015.7-2016.7：哥倫比亞大學商學院，公派訪問學者金融數學中國運籌學學會金融工程與風險管理分會常務理事；中國系統工程學會決策科學分會常務理事；中國運籌學學會青年聯盟委員會會員；中國優選法統籌法和經濟數學研究會經濟數學與管理數學分會等學會的常務理事；中國金融工程學會常務理事；江西普惠金融研究院高級顧問；江西省財經委金融專委委員會成員。

第1章 大語言模型基礎與使用指南
1.1 大語言模型簡介與原理 1
1.1.1 從NLP發展到LLMs 1
1.1.2 DeepSeek的工作機制 4
1.2 大語言模型的獲取與登錄 8
1.2.1 DeepSeek的賬號註冊與登錄 8
1.2.2 獲取其他主流大語言模型 11
第2章 Python基礎教程
2.1 Python概述與金融數據分析優勢 15
2.1.1 Python語言特點 15
2.1.2 為什麼選擇Python進行金融數據分析16
2.1.3 Python在金融領域的典型應用場景 17
2.2 Python環境搭建與配置 18
2.2.1 主流的Python發行版19
2.2.2 Python安裝教程之Anaconda 19
2.2.3 包管理工具pip與conda的基礎使用 21
2.3 Python基本語法入門 22
2.3.1 變量與數據類型 23
2.3.2 數據結構基礎 23
2.3.3 基本運算與表達式 24
2.3.4 控制流語句 24
2.3.5 函數定義與調用 25
第3章 大語言模型的提問藝術
3.1 Prompt介紹 26
3.2 構建高效提示詞的核心要素 26
3.2.1 明確的目標 27
3.2.2 充分的背景信息 29
3.2.3 清晰簡潔的表達 31
3.2.4 適當的示例和參考 33
3.2.5 輸出格式的明確要求 34
3.2.6 提示詞的結構與格式 36
3.3 提示詞的優化更疊 38
3.4 Prompt 提示詞生成工具 40
第4章 金融數據分析概述
4.1 金融數據的類型與來源 44
4.1.1 量化數據 44
4.1.2 文本數據 46
4.2 金融數據處理的流程 48
4.2.1 數據收集 49
4.2.2 數據清洗 51
4.2.3 數據預處理 54
4.2.4 數據分析與建模 55
4.2.5 可視化與報告生成 60
4.3 大語言模型在金融數據分析中的角色 61
4.3.1 大語言模型助力高效學習數據分析知識 61
4.3.2 大語言模型助力明確數據分析目標 62
4.3.3 大語言模型助力實現金融數據分析 63
第5章 大語言模型與金融數據收集
5.1 金融數據收集方法 65
5.1.1 什麼是數據收集 65
5.1.2 一般數據獲取方法 65
5.1.3 量化數據收集方法 67
5.1.4 文本數據收集方法 68
5.2 金融數據收集來源 69
5.2.1 量化數據常用來源 69
5.2.2 文本數據常用來源 69
5.3 利用大語言模型收集量化數據 70
5.3.1 利用大語言模型生成虛擬量化數據 70
5.3.2 利用大語言模型獲取量化數據 71
5.3.3 利用大語言模型生成代碼獲取數據 74
5.4 利用大語言模型收集文本數據 76
5.4.1 利用大語言模型生成虛擬文本數據 76
5.4.2 利用大語言模型直接獲取文本數據 78
5.4.3 利用大語言模型編寫爬蟲獲取文本數據 80
第6章 利用大語言模型預處理金融數據
6.1 金融數據預處理的必要性 84
6.1.1 金融數據的特征 84
6.1.2 金融數據預處理的常見問題 86
6.1.3 數據預處理對金融建模的影響 88
6.1.4 大語言模型在金融數據預處理中的潛力 90
6.2 大語言模型在金融數據預處理中的應用 99
6.2.1 數據清洗與缺失值填補 99
6.2.2 異常值檢測與修正 104
6.2.3 數據標準化與規範化 107
6.2.4 生成可解釋的特征與數據轉換 115
6.3 文本數據預處理 119
6.3.1 文本數據清洗 119
6.3.2 文本數據的分詞與詞頻統計 123
6.3.3 使用大語言模型的API 進行大規模文本數據預處理 128
第7章 利用大語言模型進行量化數據分析
7.1 大語言模型在量化數據分析中的角色 131
7.1.1 數據分析輔助工具 131
7.1.2 代碼生成與調試支持 132
7.2 利用大語言模型進行數據描述性分析 137
7.2.1 基本統計指標計算 137
7.2.2 數據分布分析 138
7.2.3 數據相關性分析 144
7.3 利用大語言模型進行數據參數估計 151
7.3.1 推斷性統計分析簡介 151
7.3.2 利用大語言模型進行點估計 152
7.3.3 利用大語言模型進行區間估計 163
第8章 利用大語言模型進行數據可視化
8.1 數據可視化概述 173
8.1.1 什麼是數據可視化 173
8.1.2 如何通過可視化分析發現數據中的趨勢和模式 174
8.1.3 數據可視化流程 175
8.2 利用大語言模型生成比較型圖表 176
8.2.1 柱狀圖 177
8.2.2 堆積圖 179
8.2.3 餅 圖 181
8.3 利用大語言模型生成趨勢型圖表 184
8.3.1 折線圖 185
8.3.2 面積圖 189
8.3.3 蠟燭圖 192
8.3.4 動態趨勢圖 195
8.4 利用大語言模型生成分布型圖表 198
8.4.1 散點圖 199
8.4.2 箱線圖 203
8.4.3 熱力圖 206
8.4.4 核密度圖 208
8.4.5 直方圖 211
8.5 利用大語言模型生成覆合型圖表 213
8.5.1 雷達圖 213
8.5.2 詞雲圖 216
8.5.3 氣泡圖 218
第9章 利用大語言模型進行建模與優化
9.1 利用大語言模型進行回歸 222
9.1.1 回歸簡介 222
9.1.2 利用大語言模型設計回歸模型 222
9.1.3 利用大語言模型構建回歸代碼 224
9.1.4 利用大語言模型解讀回歸結果 225
9.1.5 利用大語言模型優化回歸結果 227
9.2 利用大語言模型進行時間序列分析與建模 229
9.2.1 金融時間序列介紹 229
9.2.2 利用大語言模型對時間序列數據進行分析 229
9.2.3 利用大語言模型實現時間序列模型 232
9.3 利用大語言模型進行股價預測建模 245
9.3.1 股票價值預測的基本概念 245
9.3.2 利用大語言模型進行股票預測 245
9.4 利用大語言模型進行風險與收益分析 259
9.4.1 投資組合分析與優化 259
9.4.2 量化交易策略生成與測試 262
第10章 利用大語言模型分析金融文本數據
10.1 文本數據的分析框架 267
10.1.1 文本預處理 267
10.1.2 實體與主題抽取 268
10.1.3 情感分析 269
10.2 使用大語言模型進行文本分析的方法介紹 270
10.2.1 基於Web 的交互式分析 270
10.2.2 基於API 的集成開發分析 271
10.2.3 基於本地部署模型的文本分析 271
10.3 使用大語言模型分析評論數據 272
10.3.1 文本情緒對市場的影響分析 272
10.3.2 使用大語言模型對評論文本情感分析 273
10.4 使用大語言模型分析報告 284
10.4.1 金融報告類型與核心要素 284
10.4.2 利用大語言模型分析公司年報 285
10.4.3 利用大語言模型分析公司文本主題 292
10.4.4 利用大語言模型分析政府工作報告 296
10.5 文本數據中的實體識別與關系抽取 302
參考文獻 307