AI赋能资产配置(七)：乘风DeepSeek理解货币政策取向

总量策略·资产配置 证券分析师：田地0755-81982035tiandi2@guosen.com.cnS0980524090003 证券分析师：王开021-60933132wangkai8@guosen.com.cnS0980521030001 Ø本报告探讨了AI在政策语义分析中的优势，基于定性与定量分析方法，研究其在货币政策解读中的具体应用及效果： Ø定性分析方面，AI通过预训练学习，能够精准提取政策基调、工具运用、利率管理、外汇市场等关键信息，并基于语境理解自动判断政策取向（如“收紧”或“宽松”）。AI的赋能增强了分析的前瞻性和精准度，AI学习迭代的货币政策力度指数，指向2025第一季度货币政策仍倾向于“宽松”。 Ø定量分析方面，本报告提出了“AI全自动”“AI半自动”“AI辅助人工”的定量分析方案。其中半自动方案利用AI学习历史数据与政策语调的关系，从政策文本中提取情绪信息，量化货币政策力度指数。AI预计2025Q1货币政策力度指数同比为，较2024Q4有所收敛但仍处高位，政策整体倾向“宽松”。 Ø风险提示：模型过拟合风险；数据口径调整风险；AI推理的不稳健性。 资料来源：Wind，国信证券经济研究所整理 目目录录 政策文本的结构化解读01 政策语义：AI定性判断02 政策语义：AI定量分析03 展望与结论04 货货币币政政策策文文本本语语义义分分析析的的关关键键要要点点 ØAI在政策语义分析上具有天然优势，尤其是在处理大规模文本、归纳总结信息、以及结合上下文理解政策取向中 Ø定性分析：传统NLP方法在政策文本分析上存在语境理解不足、情感判断模糊、主题建模难以量化政策倾向等局限。相比之下，DeepSeek等大模型凭借上下文理解能力和财经语料微调优势，可更精准地归纳政策立场，并通过语义匹配给出定性判断 Ø定量分析： Ø优化传统定量模型：AI基于政策文本的语义分析，提升传统“货币政策力度指数”的前瞻性和解释力 Ø基于政策文本给出定量推断：AI通过历史数据训练，建立政策语义与实际政策力度之间的映射关系，使得政策文本不仅能定性判断方向，还能量化影响程度。根据当前政策文本的措辞变化，自动匹配历史相似情境，并结合已学习的量化关系，分析当下或未来政策力度指数的变动方向和幅度 准准备备工工作作：：政政策策文文本本的的结结构构化化解解读读 Ø我们以中国人民银行货币政策委员会季度例会为案例，对其核心内容进行了结构化解读，提炼出五个关键方面，以便更清晰地理解会议对货币政策的表述与取向 Ø货币政策基调：分析政策的总体方向，关注稳健性、逆周期调节、支持实体经济等核心原则Ø政策工具：梳理会议提及的货币政策工具，包括再贷款、国债买卖、准备金管理等Ø降准降息：关注会议对存款准备金率和基准利率调整的表述，评估政策宽松或收紧的信号Ø利率管理：解析市场化利率形成机制、央行政策利率引导、存贷款利率调整机制等内容Ø外汇市场：评估央行对人民币汇率、外汇供需、国际货币环境的看法，研判汇率政策取向 为为什什么么要要进进行行结结构构化化解解读读？？ Ø结构化解读是理解政策语义的基础，我们须人为地拆解政策文本，以抓住政策解读的底层逻辑。找到关键的切入点，明确政策关注的核心内容，让我们更清晰地认识AI应该如何学习和分析政策文本 Ø通过人工解构，我们能够： Ø厘清政策语义逻辑，确保解读的准确性——货币政策文本往往高度概括且隐含信号较多，人工拆解有助于识别政策立场及其可能的市场影响Ø优化AI训练方向，提高分析效率——通过结构化梳理政策内容，我们可以明确告知AI哪些方面最为重要，引导AI在关键领域（如政策基调、工具使用、利率调整等）进行更精准的语义理解分析 目目录录 AI嵌入逻辑与政策的结构化解读01 02 政策语义：AI定量分析03 展望与结论04 DDeeeeppSSeeeekk政政策策语语义义分分析析四四大大环环节节之之一一：：文文本本选选择择 Ø政策文本选择的关注点： Ø范式固定（各期文本之间可比）Ø情绪易捕捉（如Q3表述仍强调“稳健”；Q4明确转向“适度宽松”）Ø政策权威，有市场影响力 Ø以货币政策为例，在文本选取上，我们主要围绕货币政策委员会季度例会的公开报道，因为其文本精炼、结构清晰，便于归纳梳理和深刻理解政策维度和变化趋势 资料来源：Wind，中国人民银行，国信证券经济研究所整理 资料来源：Wind，中央人民政府官网，国信证券经济研究所整理 资料来源：Wind，中央人民政府官网，国信证券经济研究所整理 DDeeeeppSSeeeekk政政策策语语义义分分析析四四大大环环节节之之二二：：PPrroommpptt的的构构造造 Ø为了提高与AI的互动效率，Prompt的构造需要围绕角色设定、任务目标、行为定义、结果呈现等关键因素，结合大模型的语义理解能力来优化问答效果。以下是几种常见的Prompt设计逻辑 Ø本报告Prompt指令（R-T-F）：“站在政策学习和理解角度，需要对比政策文本的语义，判断哪一个政策更加宽松，哪一个更加收紧。请提供定性分析，并引用具体的关键表述来支持你的结论。" DDeeeeppSSeeeekk政政策策语语义义分分析析四四大大环环节节之之三三：：AAII接接入入过过程程展展示示 Ø方法一：页面端请求（Web/App端直接提问） Ø优势在于操作简单、上手快，用户可以基于特定范式的Prompt直接输入问题，快速获得AI的分析结果Ø局限在于难以用于批量分析或嵌入实际业务流程，如果需要多轮提问或处理大量文本，须重复操作，手动整理结果 Ø方法二：基于API服务调用（本报告选用的方式） Ø优势在于可扩展性强。通过API，可以将AI的能力集成到已有的数据分析流程或应用系统中，实现批量文本处理、定制化分析，甚至结合数据库进行结构化输出ØAPI调用还能灵活调整参数（如温度、上下文窗口等），提高模型的稳定性和可控性，更适用于大规模政策文本分析或金融量化建模 图12：页面端请求（方式1） AAPPII参参数数的的调调整整与与解解释释 DDeeeeppSSeeeekk政政策策语语义义分分析析四四大大环环节节之之四四：：AAII推推理理结结果果呈呈现现（（定定性性）） 目目录录 AI嵌入逻辑与政策的结构化解读01 政策语义：AI定性判断02 展望与结论04 原原有有框框架架：：国国信信货货币币政政策策力力度度指指数数 Ø定量分析现有框架——“国信货币政策力度指数” Ø在“结构性流动性短缺”框架下，形成以7天逆回购 利 率 为 基 准 ， 存 款 类 机 构 间 质 押 式 回 购 利 率（DR）、贷款市场报价利率（LPR）和国债收益率曲线为抓手的多层次利率体系Ø从扩散指数的基本逻辑出发，在适度优化算法的基础上，构建了周频“国信货币政策力度指数” 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 DDeeeeppSSeeeekk实实现现货货币币政政策策文文本本的的定定量量分分析析：：三三种种方方式式 Ø定量分析AI框架——AI与HI（Human Intelligence）之间的平衡取舍 Ø特点：无需分析师介入，AI直接基于文本计算分值。优势：最大化AI自主性，处理速度快，避免人为偏见。局限：缺乏分析师逻辑指导，可能存在误判ØAI半自动（中等AI参与度）Ø特点：分析师定义评判逻辑与定量框架，AI按此框架与政策文本的对照关系进行学习。优势：结合专家知识与AI高效计算，增强可靠性。局限：分析师需提前制定明确逻辑，适用性取决于框架质量ØAI辅助人工（最低AI参与度）Ø特点：分析师完全制定评分标准，AI仅执行打分计算。优势：最大程度体现人工判断，确保准确性。局限：依赖人工规则制定，主观性较强，执行效率较低 DDeeeeppSSeeeekk实实现现货货币币政政策策文文本本的的定定量量分分析析：：AAII全全自自动动 ØAI全自动原理 Ø语料方面：只提供政策原文，不提供任何分析框架，让AI充分发挥主观能动性 Ø定量逻辑：AI仅基于各期文本的“情绪”“丰富程度”“涉及提法”进行打分。 Ø结果呈现：效果尚可 资料来源：DeepSeek，Wind，国信证券经济研究所整理 资料来源：DeepSeek，Wind，国信证券经济研究所整理 ØDeepSeek对政策文本语义打分与国信货币政策力度指数方向整体趋同 Ø个别时期存在背离ØAI给出的打分理由与现实情况基本吻合Ø蓝线：政策语义，反映信号释放Ø红线：扩散指数，反映事后结果Ø红线为蓝线的滞后变量 资料来源：DeepSeek，Wind，国信证券经济研究所整理 资料来源：DeepSeek，Wind，国信证券经济研究所整理 基基于于政政策策语语义义的的先先验验判判断断 Ø前置判断vs.结果判断： ØDeepSeek解读政策语义的打分是对政策取向的先验判断Ø国信货币政策力度指数是基于政策执行结果的事后评估 Ø指示作用： ØDeepSeek的语义打分能够提前指示当季货币政策扩散指数的变化趋势，为政策取向的分析提供更早的信号 Ø前瞻性价值： Ø前置判断对资产配置具有重要意义，投资者可据此提前调整配置策略，把握政策驱动的市场机会 资料来源：DeepSeek，Wind，国信证券经济研究所整理 DDeeeeppSSeeeekk实实现现货货币币政政策策文文本本的的定定量量分分析析：：AAII半半自自动动 ØAI半自动原理 Ø语料方面：提供政策原文，提供分析师框架与底稿，便于AI进行历史学习Ø定量逻辑：本质上类似于让AI构建打分函数AI学习理解构建的DeepSeek+ Øx为历史对照关系【学习对象】 Øθ为AI相关的一揽子参数、Prompt、控温参数等 DDeeeeppSSeeeekk实实现现货货币币政政策策文文本本的的定定量量分分析析：：AAII半半自自动动 Ø结果呈现：效果较好 ØDeepSeek对政策文本语义打分与国信货币政策力度指数方向基本趋同（如图27）Ø早期存在背离，因为早期能投喂的底稿数据量有限，学习成果不足以指导AI准确打分ØAI能够理解货币政策语义与分析师框架之间的关系（如图28所示），AI给出的打分理由与现实情况基本吻合 资料来源：DeepSeek，Wind，国信证券经济研究所整理 AAII半半自自动动vvss传传统统机机器器学学习习（（BBEERRTT）） ØAI vs传统机器学习情感分析 Ø相比传统机器学习，AI在政策情感分析上的表现更优，依赖经验数据和历史关系建模，具备更强的语义理解能力和鲁棒性 Ø本报告利用FinBERT给出的“Positive”权重作为扩散指数（反映宽松程度） Ø用情感分析方法（FinBERT）构建货币政策指数，但发现其结果与实际政策取向存在明显背离，不如AI模型准确。原因：ØFinBERT是基于金融文本（如财报、新闻、分析报告）训练的，擅长判断市场情绪，但对央行政策措辞理解有限，无法准确捕捉政策信号的微妙变化Ø传统情感分析（包括FinBERT）主要依赖关键词情绪标注，但央行政策文本本身不长，且“降息”“宽松”等关键词的影响需要结合上下文判断，单靠词向量可能导致误判 资料来源：Wind，国信证券经济研究所整理 DDeeeeppSSeeeekk实实现现货货币币政政策策文文本本的的定定量量分分析析：：AAII辅辅助助人人工工 ØAI辅助人工原理：Ø人工设定词频统计、情感测算标准 ØAI仅负责数据处理、编程协助等 Ø规则驱动，非智能决策：ØAI仅按照人为设定的词频、情感计 算规则执行任务，或提供程序框架Ø最终结果的好坏取决于规则的合理性，而非AI智能优势 资料来源：DeepSeek，Wind，中国人民银行，国信证券经济研究所整理 资料来源：DeepSeek，Wind，中国人民银行，国信证券经济研究所整理 资料来源：DeepSeek，Wind，国信证券经济研究所整理 资料来