金融工程研究报告：DeepSeek投研应用系列：量化代码实测

1/15金融工程专题报告日期：2025年03月16日DeepSeek在数学推理和代码优化方面优势突出，在Codeforces等标准化测试中超越GPT-4o等模型。本文展示如何借助DeepSeek建立用户自定义的量化选股系统，包含行情更新、指标计算、条件选股的具体实现。oDeepSeek可以理解第三方API文档并生成代码示例我们的测试案例中DeepSeek可以理解并使用akshare、tushare、baostock，以及Wind等金融数据平台的公开文档，并提示用户编程前进行正确安装和注册。在使用过程中，我们难以避免生成式模型提供的代码可能存在的纰漏，对于不能通过测试的代码，可以通过反复提问并细化需求的方式来得到可执行的程序。oDeepSeek可以实现用户自定义的行情更新、因子计算及选股代码行情更新：DeepSeek实现行情数据读取和本地化保存，并给出对应的数据库存储建议，用户可以进一步通过DeepSeek实现本地数据库的维护和定时更新。因子计算：DeepSeek能根据研报及文献等公开资料实现计算指标及因子的代码，也可以根据用户提示实现相应因子计算的代码。将单个标的的单因子计算实现为函数形式，再结合定时任务，在每日行情更新后，进行增量因子的计算，实现本地数据库的因子更新。选股实测：我们以查询上证50指数成分股中上穿10日均线的股票和筛选近期股吧评论热度最高的前10只股票为例，验证了DeepSeek可以实现对标准及另类数据处理并实现条件筛选的代码逻辑，并按指定格式保存结果。o简洁有效的提问可以快速引导DeepSeek给出实用代码样例：（1）良好的提问模板：行动+领域+输出格式;（2）给DeepSeek设定确切的角色3）尽可能将任务细化分解，巧用多回合对话4）提供样例，让DeepSeek按照需要的代码风格进行模仿创新。o风险提示AI模型发生参数微调和数据变动都可能导致性能和结果波动。AI生成的数据可能存在错漏导致结论偏差，不构成投资建议，须谨慎使用。视角》2025.03.11金融工程专题2/15请务必阅读正文之后正文目录 4 42.1利用万得API更新指数收盘行情 4 7 94.1收盘行情筛选均线突破个股 94.2基于社媒报道筛选高热度个股 13 14 143/15请务必阅读正文之后图1：DeepSeek对使用万得API更新沪深300指数收盘行情给出的解决方案 图2：步骤四示例：使用万得pythonAPI获取沪深300指数收盘行情 图3：步骤五示例：对万得pythonAPI返回的数据解析 图4：步骤六示例：设置定时任务每日更新行情数据 图5：DeepSeek对股票非流动性因子提出的解决方案 7图6：DeepSeek对计算上证50成分股非流动性因子的代码示例 图7：DeepSeek计算个股非流动性因子的代码示例 图8：DeepSeek给出上证50指数成分股均线突破股票筛选的解决方案 9图9：DeepSeek筛选上证50指数成分股中突破10日均线的代码示例 9图10：DeepSeek给出多种获取指数成分股的方案 图11：DeepSeek通过baostock获取指数成分股的实例 图12：优化后的上证50指数成分股筛选突破10日均线的股票测试 图13：DeepSeek统计股吧热度最高的10只股票代码示例 表1：主流大模型在代码能力标准化测试任务中的性能对比 4表2：DeepSeek整理股吧讨论热度最高的前10只股票（截止2025.03.15） 金融工程专题4/15请务必阅读正文之后DeepSeek在主流大模型中具有出色的数学和编程能力，能更好地服务金融及经济领域中的数量化研究，尤其是针对需要快速响应的实时应用、对内存和计算资源有限制的环境，以及中文环境下的应用场景。如表1所示，在以Codeforces为代表的算法类标准化测试中，DeepSeek（V3）表现明显超越了其他主流大模型。LiveCodeBench(Pass@1-C本文将展示如何通过DeepSeek搭建用户个性化的本地量化系统，主要由3个关键环节构成：基础数据更新及本地化维护，指定方法的因子计算，以及选股条件的快速验证。我们通过与DeepSeek交互给出每个环节的代码示例及细化方案。提问：如何通过万得api更新沪深300指数每日收盘行情。DeepSeek给出的实现流程如图1所示，将每日行情更新进行任务拆解，账户访问权限、数据请求，及定时任务的设置，基本涵盖了用户实现的各个环节，参考了万得的API文档及python标准库（schedule）文档。DeepSeek节省用户搜索的时间，直接提供了解决方案流程。金融工程专题5/15请务必阅读正文之后针对上述步骤4-6，DeepSeek给出了具体的示例如下：6/15请务必阅读正文之后DeepSeek可以理解万得API文档并正确调用w.wsd函数，对函数的输入参数，其顺序和格式（如标的代码的格式、日期格式）使用完全正确；对函数的返回结果内容也完全掌握，如错误代码（data.ErrorCode）、数据部分（data.Times,data.Data并通过pandas操作保存至数据文件。美中不足的是，DeepSeek对于收盘行情的理解仅包含收盘价格信息，我们可以通过指定数据内容、修改提问的方式实现完整日频行情的数据请求，例如：“请通过python实现，用万得api更新沪深300指数每日收盘行情，包含开盘价、最高价、最低价、收盘价、成交量、成交额数据。”在每日定时任务设置示例中，DeepSeek已经根据实际情况给出了将数据存入数据库的建议，用户可以根据本地数据库的实际情况例如，SQL或MongoDB数据库）通过进一步提问DeepSeek如何实现数据的写入、查重等操作，实现本地数据库的行情数据更新。更进一步，如何通过DeepSeek实现非标数据/另类数据的本地化更新和维护，可以拆解任务为，1）如何获取另类数据，2）根据如何计算标准化的数据特征/指标/因子，3）本地化数据存储及更新维护。7/15请务必阅读正文之后我们将展示借助DeepSeek实现股票因子计算的实例，因子的具体算法可以由用户指定，或者由DeepSeek根据公开资料并给出相应的计算方法。提问1：根据日频行情数据，计算上证50指数成分股的非流动性冲击因子。8/15请务必阅读正文之后由上述结果可知，DeepSeek不仅给出了计算代码，还给出了依据的数学公式，且示例代码和公式一一对应。我们希望系统能够实现多个因子计算且互不影响，并且不受股票列表限制，以便后续因子数据库的维护或因子算法的更新迭代，因此我们希望将每个因子的计算修改为基于一段时间序列的函数，重新提问DeepSeek。提问2：请实现一个python函数，计算单只股票的非流动性冲击因子。得到的示例代码如下（简单对话文字部分省略以此类推，我们可以通过DeepSeek实现众多不同因子的计算，甚至可拓展到借助神经网络或遗传规划批量生成因子，再结合定时任务，在每日行情更新后，进行增量因子的计算，实现本地数据库的因子更新。9/15请务必阅读正文之后提问1：查询上证50指数成分股中上穿10日均线的股票。DeepSeek先将均线突破策略拆解为5个步骤，再给出了代码实现（见图9）。在DeepSeek给出的上述代码样例中，基本的逻辑完整，但所使用的函数并不存在。DeepSeek根据akshare的函数接口“编造“了一个查询上证50指数成分股的函数方法（原代码中ak.stock_sz50_spot()这一行并不能运行。考虑到代码示例整体的可读性较高，逻辑准确，仍有可取之处，我们将追加提问，以获得正确的指数成分股获取方法。10/15补充提问：利用python获取上证50（000016.SH）成分股列表。DeepSeek给出了多种解决方案：根据DeepSeek的建议，我们选择baostock对应的实现方法（无需注册，无需替换api-key的操作）实现上证50指数成分股列表的获取，如图11。将正确的步骤1（获取上证50成分股）和步骤2（按条件筛选股票）合并，可以得到完整的python代码实现上证50指数中收盘价上穿10日均线的股票筛选代码。需要注意的是，由于baostock和akshare返回的变量名称不同，例如“证券代码“在akshare中以”代码“表示，在baostock中以”code“表示，因此需要对变量名进行统一，最终实现可运行的均线突破股票筛选代码如图12所示。经测试计算我们得到，截止2025/3/10收盘，上证50指数成分股中，有2只股票符合收盘价格上穿10日均线的条件，其股票名称依次为：陕西煤业(601225.SH)，寒武纪11/15金融工程专题12/15提问1：请根据股吧的发贴、评论，筛选出股民讨论热度最高的10只股票。由DeepSeek整理汇总的结果如下：我们希望将上述股票筛选的过程程序化，再次向DeepSeek提问得到如下代码实例：金融工程专题13/15实际使用过程中，BeautifulSoup的使用受到网络流量和账户的限制，并不适合大批量数据请求，因此对于股吧文本的获取函数还应当继续优化。其他函数，包括文本解析、多只股票文本重复获取、热度统计都符合用户逻辑，可以结合每日定时任务对热度高的个股进行跟踪。通过上述验证，我们总结了以下技巧，如何让DeepSeek准确理解用户需求并给出恰当的解决方案：（1）提问模板：行动+领域+输出格式错误示范：“写个数据分析脚本”——目标数据不明确，处理方法和输出格式不明确，用什么技术栈或框架也没有指明。优化后：“用Python写一个数据分析代码，分析某网站的房屋租赁信息公告，输出为CSV文件，使用statesmodel或scikit-learn建模，代码要有注释”。明确任务、计算方法或模型，以及输出格式，DeepSeek更有可能精准回应。（2）给DeepSeek设定确切的角色提问模板：“请以【经验丰富的xx投资研究员】的身份，以【简洁高效】的风格写一段【xx功能】的代码”。例如：“你是一位使用Python编程的量化研究专家，用简洁高效的代码写一个函数，计算价格时间序列中单日涨幅与单日跌幅分别求和的相对比值，代码要有注释和示例调用”。（3）任务分解，巧用多回合对话错误操作：“写个数据清洗脚本”过于模糊。明确步骤：a).导入pandas库，读取CSV文件。b).处理缺失值，按时间后向填充。c).滚动240天计算每一列z-score，并输出结果。（4）提供范例，让DeepSeek模仿创新高级技巧：“请参考以下代码风格（附带示例写一个函数，计算两个数的defadd(a,b):"""计算两个数的和"""returna+b代码风格包含了函数命名、注释及缩进等细节。金融工程专题14/15本文探索了DeepSeek在量化研究中提供代码解决方案的可行性。我们认为DeepSeek将在数据分析和个性化的量化体系搭建中发挥重要作用。我们对量化研究的3个主要场景进行了测试，包括行情更新、因子计算及个股筛选：（一）行情更新：DeepSeek实现行情数据读取和本地化保存，并给出对应的数据库存储建议，用户可以进一步通过DeepSeek实现本地数据库的维护和定时更新。（二）因子计算：DeepSeek能根据研报及文献等公开资料实现计算指标及因子的代码，也可以根据用户提示实现相应因子计算的代码。将单个标的的单因子计算实现为函数形式，再结合定时任务，在每日行情更新后，进行增量因子的计算，实现本地数据库的因（三）选股实测：我们以查询上证50指数成分股中上穿10日均线的股票和筛选近期股吧评论热度最高的前10只股票为例，验证了DeepSeek可以实现对标准及另类数据处理并实现条件筛选的代码逻辑，并按指定格式保存结果。在使用过程中，DeepSeek可以理解第三方API文档并生成代码示例，并提示用户必要的权限注册。但同时，我们难以避免生成式模型提供的代码可能存在的纰漏，对于不能通过测试的代码，可以通过反复提问并细化需求的方式来解决问题或找到替代方案。简洁有效的提问可以快速引导DeepSeek给出实用代码样例。我们也总结了高效提问的技巧，包括但不限于1）良好的提问模板：行动+领域+输出格式;（2）给DeepSeek设定确切的角色3）尽可能将任务细化分解，巧用多回合对话4）提供样例，让DeepSeek按照需要的代码风格进行模仿创新。AI模型发生参数微调和数据变动都可能导致性能和结果波动。AI生成的数据可能存在错漏导致结论偏差，不构成投资建议，须谨慎使用。15/15股票投资评级说明以报告日后的6个月内，证券相对于沪深300指数的涨跌幅为标准，定义如下：1.买入：相对于沪深300指数表现＋20％以上；2.增持：相对于沪深300指数表现＋1020%;3.中性：相对于沪深300指数表现－1010％之间波动；4.减持：相对于沪深300指数表现－10％以下。行业的投资评级：以报告日后的6个月内，行业指数相对于沪深300指数的涨跌幅为标准，定义如下：1.看好：行业指数相对于沪深300指数表现＋10%以上；2.中性：行业指数相对于沪深300指数表现－10%10%以上；3.看淡：行业指数相对于沪深300指数表现－10%以下。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比建议：投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以