针对股票市场，我们开发了stockAI，一种利用大语言模型先进推理能力的全新AI驱动框架，用于大规模的股票选择评分。stockAI分析了包括市场价格动态、公司基本面在内的多种数据源，模拟了著名金融投资团队的决策过程。stockAI可以对股票进行评分（0到10分之间），并可以解释为什么给出这样的评分。研究表明大语言模型不仅可以作为预测工具，还可以作为评估工具，揭示了AI生成的解释对建议投资信号的可靠性和接受度的影响。
财务数据
在预测金融分析中，财务数据至关重要，因为它提供了反映公司当前健康状况和未来发展轨迹的量化指标。
数据获取与处理
为了获取公司的年度和季度财务信息，我们使用了AKShare的基本面数据API。这些数据包括公司的财务报表，如资产负债表、利润表和现金流量表。在将数据输入到模型之前，我们对其进行了预处理。具体来说，我们采用了数值缩写技术，例如使用“百万”和“十亿”等前缀来表示较大的数字，以更紧凑和易读的格式呈现。此外，我们将不同季度的数据并排放置在一个表格中，便于比较。
财务数据总结
财务数据总结的设计旨在呈现公司的财务状况的客观事实，而避免任何直接的投资建议。通过对财务报表的关键内容进行提炼，财务总结提供了一份简明的财务概述。这份概述不仅展示了公司的盈利和收入情况，还包括了债务水平和现金流动情况等关键财务指标。
示例展示
以下是一个财务数据总结的示例，展示了如何从财务报表中提炼关键信息：
盈利能力：公司的净收入从2023年第二季度的198.8亿元增加到2023年第三季度的229.6亿元，显示出强劲的盈利能力。同样，公司毛利润也从364.1亿元增加到404.3美元。
收入增长：总收入从2023年第二季度的818亿元增加到2023年第三季度的895美元，显示出积极的收入增长。
债务水平：公司的总负债从2023年第二季度的2747.6亿元增加到2023年第三季度的2904.4亿元。长期债务略有减少，但短期债务有所增加，需注意债务水平的管理。
现金流：公司的经营活动现金净额从2023年第二季度的263.8亿元减少到2023年第三季度的216亿元。然而，期末现金流从299亿元增加到307.4亿元，表明公司有正向的现金流生成。
资产和权益：总资产从2023年第二季度的3350.4亿元增加到2023年第三季度的3525.8亿美元。股东权益也从602.7亿元增加到621.5亿元，显示公司资产和权益的增长。
价格数据
在股票市场中，量价数据可以反映股票的总体趋势、供需关系等重要信息，准确地分析和理解股票量价的动态变化对于投资决策至关重要。
stockAI主要分析股票的日线和周线图，发现股票的趋势，波动情况，是否过度上涨或者下跌，并基于此分析股票现时状态。
大语言模型
大型语言模型是一种人工智能技术，它通过分析和理解大量的文本数据来学习语言模式和知识。这些模型可以用于各种自然语言处理任务，如文本生成、文本分类、机器翻译和问答系统等。大型语言模型通常基于深度神经网络，并通过预训练，微调，强化学习等过程来提高其性能。
stockAI采用了由清华大学和智谱AI开发的GLM-4模型，GLM-4具有强大的语言理解和生成能力，逻辑推理能力，能够完成各种自然语言处理任务。GLM-4的预训练过程使用了大量的中文语料，因此对中文语言的理解和处理能力非常出色。
总结
针对股票市场，我们开发了stockAI，这是一种利用大语言模型先进推理能力的全新AI驱动框架，用于大规模的股票选择评分。stockAI通过分析市场价格动态和公司基本面等多种数据源，模拟了著名金融投资团队的决策过程。该系统能够对股票进行评分（0到10分之间），并提供详细的解释说明评分的依据，增强了投资信号的可靠性和接受度。stockAI采用GLM-4模型，由清华大学和智谱AI开发，具备强大的语言理解和生成能力，能够准确处理和分析中文财务数据和市场动态，提供高质量的投资分析和建议。通过使用AKShare的基本面数据API，stockAI获取并预处理公司的年度和季度财务信息，提供简明而全面的财务状况概述，帮助投资者做出更明智的决策。总的来说，stockAI展示了AI在金融分析中的巨大潜力，为传统的投资方法带来了创新和优化。