做投研大模型,光懂大模型架构不够。他说,得真正拿这些数据做过决策。你做了三年量化,你知道一份研报里哪些数字真有用,哪些是分析师凑字数的。张雨技术比你强,但她没买过一股股票。
林晨沉默了几秒。这话很直,甚至有点扎人,但他知道陈博士只是在陈述一个事实,没别的意思。
陈博士点了下头。明天开始。
林晨站起来,走到门口又停了。陈博——为什么是现在?FinGPT v3刚稳定到84.6%,离86%的目标还有距离。这时候分精力做新项目——
因为窗口期。陈博士说,大模型做金融垂直场景,谁先做出能用的产品,谁就先拿到券商的客户关系和数据授权。慢半年,你可能连谈判的资格都没有。
林晨出了会议室,站在走廊上深吸了一口气。三月初还有点凉,窗外的鹏城湾灰蒙蒙的。他站了几秒,拿出手机给陈铭发了条消息:小会议室,十分钟后。又给张雨发了条:同上。
十分钟后,三个人坐在小会议室里。林晨没坐,靠在白板边沿站着,手里拿着一支记号笔。
智研项目,三大块。他在白板上写了三个词——数据、模型、合规。没画框,没画箭头,就三个词竖着排着。数据最难。研报、财报、路演纪要、市场数据——全散在券商手里,每家规矩不一样。模型这边,基于FinGPT做垂直微调,投研场景的指令微调和RLHF。合规——每一份输出都要有溯源链,哪个结论从哪篇研报哪个数据来的,必须能查到。
陈铭盯着白板看了好一会。林总,我跟进数据谈判。但时间确实太紧了。跟券商谈授权,人家内部要法务审、合规审、研究所审批——光走流程可能就一个月。
所以第一家先去国泰。林晨说,国泰跟我们有FinGPT的合作基础,关系已经在那了。把国泰先签下来,后面两家拿国泰当案例去推。张雨,你这边——
用现有数据先跑投研场景原型。张雨接了话,FinGPT v3在投研任务上没单独测过,我估摸大概60%上下。跑完才知道差多少。
行。测完给我数字。
散了之后,林晨在小会议室坐了一会。白板上那三个词还在。他拿手机拍了张照,然后把白板擦了。
走出会议室的时候,陈铭正在工位上打电话,声音压得很低但语速很快,大概在跟谁确认什么事。林晨没过去,直接回到自己工位坐下。
打开电脑,新建了一个空白文档。标题:智研项目方案书。
本小章还未完,请点击下一页继续阅读后面精彩内容!
第一章:数据源定义。他开始列需要的数据类型。券商研报——总量策略、行业配置、个股深度。公募基金季报年报。保险资管月度策略报告。交易所公开数据。监管文件。
写完第一遍,他停下来。又在每一种数据类型后面补了标注。研报——部分券商当付费产品,授权难度大。基金季报——公开可取,但清洗工作量不小。监管文件——没有授权问题。
他打开FinGPT后台的数据看板,翻了翻v3版本的训练数据分布。研报类语料只占全部训练数据的2.3%。2.3%。这个数字解释了很多问题。通用大模型在投研任务上表现差,模型架构是一方面,更根本的原因是它根本没见过多少研报。
他退出来,又打开邮箱,搜数据合作框架协议。三份文件跳出来——国泰、海通、中信建投。他逐个打开扫了一遍。每份都是两三页的标准框架——合作意向、保密条款、知识产权约定。没有一份涉及具体的数据清单和授权范围。框架协议就是一张纸,意思是愿意聊愿意给你数据差着十万八千里。
他靠回椅背,揉了一下眼睛。手机亮了。苏婉发来消息:还没回来?
他打字:还要一会。
乐乐今天作业得了一颗星,等你回来跟你说。
林晨看了两秒,把手机扣在桌上。继续写方案书。数据获取难度——他在每一项后面简单标了评估。研报:难。基金季报:中。监管文件:易。粗算下来,百分之四十的数据需要谈判获取,百分之三十存在授权壁垒。
他保存文档,关掉,又打开,看了一遍,又关掉。又翻出那三份框架协议,逐个看保密条款和知识产权那两节——全是模板话,合作意向双方协商另行约定,没有一条是硬承诺。数据的事,写代码解决不了。