匡文邦

市金融顾问

国盛证券浙江分公司副总经理

近年来，我国出台了一系列政策文件，积极推动金融科技的健康发展。人工智能在金融领域的应用正在加速重构传统金融生态，金融分析与决策正在经历由“经验驱动”向“数据+算法驱动”转变的历史时期。

站在服务实体、普惠金融的角度，本文将聚集2025年横空出世的人工智能工具DeepSeek，通过对其发展现状及在辅助投资决策过程中的利弊表现进行分析，从而给出金融机构在运用DeepSeek辅助决策中的若干建议。

DeepSeek辅助投资决策的发展现状

DeepSeek的问世本就建立在金融投资领域对辅助决策的需求之上，是国内量化发展受制于算力压力从而走上自研道路后的产物。它聚焦金融、科研等高价值场景，垂直深耕，能推出行业解决方案的特性，是其能够解决传统大模型落地难的痛点从而获得快速推广的一大重要原因。金融科技的普惠服务价值也将成为DeepSeek前景应用中的一个重要环节。

DeepSeek辅助投资决策的核心优势在于算法自主赋能决策主权可控，同时，契合市场需求降低应用门槛。据统计，通过优化算法和创新的训练方法，DeepSeek有效降低了模型训练和运行的成本，相比国际巨头模型，可以做到在推理成本降低80%，同时响应速度提升3倍。不过，它同样存在数据滞后性与覆盖局限，数据依赖及伦理监管等风险。相关研报显示，目前在人工智能幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率。

金融机构运用DeepSeek辅助决策若干建议

据不完全统计，目前，中信建投、国泰君安、中金财富证券等多家券商已积极推进对DeepSeek-R1或V3等版本的部署，10余家公募基金公司正密集实行DeepSeek开源模型的私有化部署，银行及险资企业也在探索相关应用场景。根据DeepSeek辅助投资决策的利弊分析，我们进一步思考，金融机构应如何利用好DeepSeek低成本、强推理的特性，通过合理科学的数据投喂与管控使其能够形成符合伦理及监管规范的模型，从而达到辅助投资决策的效果。

笔者认为，金融机构应将DeepSeek先进的技术能力与国家战略、地域特色、市场需求等深度融合，从而构建起一套完整的赋能体系。以下将从战略投资定向、风险防控强化、普惠金融创新三个维度进行详细阐述。

一是战略投资定向上，要构建核心技术攻关评估体系。

从数据出发，为防止“AI幻觉”引发风险，金融机构必须建立健全数据库，确保算法能够从高质量数据中获取信息，在国家基础底座大模型之上训练出成熟的垂类模型。消息显示，目前由上海金融与发展实验室牵头，8家头部机构正在将DeepSeek与3000万实体、5亿关系的行业图谱结合，该体系将使模型幻觉率从14.3%降至6.8%。

而在宁波，本土券商甬兴证券也已成功完成DeepSeek-R1本土化部署，上线了制度问答智能体应用，后续将进一步探索大模型在文档生产、研报分析、智能对话等场景的应用能力，为企业级知识库的建立提供技术保障。宁波银行已在2024年年底新设总行一级部——大模型项目部，为大模型落地提供支持。

宁波依托强大的制造业基础与港口优势，积极培育壮大新兴产业，加快构建浙江特色现代化产业体系，运用好DeepSeek深度整合国家产业政策网、全球技术地图、专利数据库等多源数据的能力，可以为细分行业的深度研究构建动态的技术投资知识库，为相关行业提供更有指导价值的技术评估模型，形成与国家战略方向相适应的投资优先级评价体系尤为重要。

笔者认为，在科技创新背景下，宁波金融机构一方面应以国家战略方向为辅助决策定调，通过人为的信息筛选与微调训练提升输出的准确性，另一方面要结合地方产业政策与经济特色，思考如何帮助对外贸易企业更好了解产业链供应链变化，加强对国际市场变化的快速响应能力，积极创新贸易渠道方式，进一步提升外贸竞争力；如何推动制造业企业找准细分赛道，苦练内功，从而助力新技术新场景的应用落地，推动产业链升级和国产替代进程等，努力做到从资金管理到价值创造为本土企业的发展布局进行赋能。

二是风险防控强化上，要打造穿透式监管智能中枢。

在金融风险防控领域，金融机构可巧妙利用DeepSeek整合央行征信系统、企业工商数据及舆情监测平台，构建“多模态风险预警系统”，从而达到优化自身反欺诈与合规监控的效果，为可能发生的违约事件给出适当的评估与调整，完善决策模型，助力行业健康发展。

在金融风险防控领域，金融机构不妨巧妙利用DeepSeek整合央行征信系统、企业工商数据及舆情监测平台，构建“多模态风险预警系统”，从而达到优化自身反欺诈与合规监控的效果，为可能发生的违约事件给出适当的评估与调整，完善决策模型，助力行业健康发展。

如：在授信领域，工行在部署DeepSeek-R1后，信贷审批效率提升300%，风险识别准确率将达到98.7%。通过多模态模型，金融机构能够更好地实现对嵌套表格、影像资料等复杂非标材料的综合处理，减少人工处理非结构化数据所容易产生的错误。此外，工行还通过推出“工银融安 e 控”沟通交流平台，为基层员工提供实时合规支持，确保内控工作高效推进。自平台上线以来，该系统已在全国多个分行业务场景内实现落地应用，实践过程中的自动解答率可达92.8%，有效提升了合规管理的智能化水平。

在监管智能中枢的打造过程中，金融机构则应关注到自身个性化的需求，建立起更具针对性的评价模型，比如在对基金经理的考核体系中，机构可以通过DeepSeek-V3大语言模型从季报文本中提取出基金经理看好或不看好的行业概念，并与基金实际披露的重仓股信息进行匹配，考察基金经理的言行一致性，从而防范投资随意性。而在对复杂金融网络中的关联交易的跟踪过程中，机构也可利用DeepSeek知识图谱技术构建金融关联关系可视化图谱，有效识别潜在的利益输送和违规交易行为，分析其背后的资金流向和风险传导路径，谨防隐性债务的影响。

三是普惠金融创新上，要设计共同富裕导向服务模型。

面对城乡金融资源分布不均、小微企业发展相对受阻等现状，传统的金融服务成本又高，又很难覆盖全局。运用DeepSeek简单易用的高效体验特点，可以有效降低金融服务门槛，为更多普通投资者提供专业投资建议与风险管理服务，并为解决资本与实体经济间的结构性矛盾、普惠金融资源分布不均等社会问题做出自己的努力，即从广度和深度上为金融创新做出贡献。

金融机构应将金融服务下沉作为普惠金融创新的核心方向，充分利用DeepSeek强大功能，服务“金融支持实体经济”国家战略，助力共同富裕目标的实现。如针对小微企业发展，银行业可借助DeepSeek整合企业工商、税务、供应链等数据源，为企业精准画像，给出个性化匹配建议，设计定制化的贷款利率与风险评估模型，从而推进特色融资业务，缓解企业融资难、融资贵的问题，以更完善的智能化手段助力信贷更加普惠。

同时，也可以利用DeepSeek的数据整合能力优化自身的投资策略为投资者带来更高超额收益。

此文将由甬派“金融频道”转载发布