大语言模型赋能基本面分析：基于RAG的投资者简报生成系统

近期一项研究探索了大语言模型在基本面分析中的应用潜力。研究团队设计了一个基于检索增强生成（RAG）的系统，该系统能够处理公司财报、GDP与通胀等宏观经济数据，以及美国证券交易委员会（SEC）EDGAR数据库中的公开文件。

技术实现上，研究人员对多源数据进行预处理后，通过API调用GPT-4o模型，并引入基于基钦周期的投资者知识文档作为参考框架。在为期四周的实验中，系统对九家公司的关键数据进行分析，自动生成投资简报。

为评估系统实用性，研究团队邀请了九位个人投资者对生成的简报进行评价。初步结果表明，这种基于大语言模型的自动化分析方法能够有效辅助投资决策，展现了AI在金融分析领域的应用前景。该方法为处理海量金融文档提供了新思路，但实际部署仍需考虑数据时效性、模型幻觉等挑战。