十一月底，新版投资系统上线实盘运行的第三周。
林晨每天早上起来第一件事不是看手机微信，而是打开笔记本看策略引擎的夜间运行日志。他设了凌晨两点自动跑批——A股收盘之后系统把当天的交易数据回传，跟文本信号层的新闻分析结果交叉验证，生成一份当日信号质量报告。
过去三周的信号准确率曲线图在屏幕上缓缓展开。第一周——准确率百分之六十三，低于预期。问题出在FinGPT对某些行业术语的理解偏差上——比如并购重组获受理并购重组获批之间的区别，一个是刚进排队、一个是基本定了，市场影响完全不同。模型的文本理解没有分辨出这两个表述的差异。
他花了整整一个周末修复这个问题。不是改模型的参数——是在数据清洗环节加了一层金融术语的细粒度标注。让标注人员把提交注册这类流程节点精确标注出来，然后重新微调FinGPT对金融事件文本的理解。
第二周——准确率升到了百分之七十一。第三周——百分之七十六。接近他在回测中看到的水平了。
实盘账户的数据更直观。新版系统上线的这二十天里，账户从九十七万涨到了约一百零八万。不到一个月增长了百分之十一。而同期沪深三百指数只涨了不到百分之二。
不是因为运气好——是因为系统做了三笔精准的操作。
第一笔：十一月中旬，一条关于进口芯片材料关税调整的新闻刚发布十几分钟，FinGPT就识别出这个政策变化对某半导体材料进口商的负面影响，文本信号层的置信度高达百分之八十二。系统自动把该标的的仓位从满仓减到了三成仓。两天后该股跌了百分之七——系统少亏了大概两万三。
第二笔：某医药公司发了三季度财报——表面上净利润增长了百分之十五，但FinGPT在读完整份财报之后提取了一个隐藏信号：扣非净利润下降了百分之八，增长全靠一次性的资产处置。系统判定这份看起来很漂亮的财报实际上是一颗雷，直接把所有仓位清掉了。三天后该股跌了百分之九——系统避免了约三万块的损失。
第三笔：十一月下旬，央行发布了一份货币政策执行报告。FinGPT从报告中提取出了保持流动性合理充裕推动企业综合融资成本稳中有降两个关键表述，判断短期银行间市场利率有下行空间。系统随即在债券ETF上加仓——三天后长端利率确实下行了十个基点，债券持仓赚了两万多。
这三笔操作的成功率不是巧合。核心
（本章节未完结，点击下一页翻页继续阅读）
正在加载...