數據基礎及導論 7

《大數據導論》實驗任務報告實驗章節：學生姓名： 專業班級： 學號： 機械工業出版社《》課程實驗姓名學號班級實驗地點指導教師時間實驗任務任務名稱基于AIGC的金融資訊智能投研報告生成任務目標理解金融大數據、生成式人工智能（AIGC）與智能投研的融合邏輯；掌握通過提示工程和檢索增強生成（RAG）思路，對金融資訊、公告、研報和財務指標進行結構化分析的方法；能夠生成摘要、關鍵數據提取、風險提示與合規說明。具體任務內容圍繞一則金融資訊或企業公告，整理配套財務指標與背景材料，設計結構化提示詞，調用AIGC工具生成智能投研摘要；對生成結果進行事實核驗、來源追溯、風險識別與合規審查，比較AIGC輸出與人工分析之間的差異。成果要求提交完整實驗報告。報告應包含實驗目的、實驗原理、實驗環境、數據來源、提示詞設計、AIGC生成結果、人工核驗記錄、風險提示、評價指標表、實驗總結和思考題。實驗結果不得直接形成買入或賣出建議，應明確“僅用于教學分析，不構成投資建議”。實驗報告一、實驗名稱基于AIGC的金融資訊智能投研報告生成實驗。二、實驗目的理解金融大數據在銀行、保險、證券等場景中的應用價值，認識數據作為智能金融基礎資源的重要作用。掌握AIGC在金融資訊摘要、觀點提煉、風險提示和投研報告生成中的基本應用方法。能夠圍繞金融文本與指標數據設計結構化提示詞，并對大模型生成內容進行事實核驗和合規審查。形成“數據獲取—提示詞設計—AIGC生成—人工核驗—結果評價”的完整實驗思路。三、實驗背景與原理1.金融大數據與智能金融金融行業天然具有數據密集特征，業務過程中會持續產生交易、客戶、賬戶、風控、資訊、輿情等多源數據。第十章指出，金融大數據不僅能夠服務于精準營銷、風險控制和運營優化，也為人工智能模型提供訓練素材，使金融服務逐步從“數據驅動”邁向“智能驅動”。在銀行場景中，大數據可用于客戶畫像、精準營銷、風險管控和運營優化；在證券場景中，金融資訊、公告、研報和社交媒體文本可用于股價預測、客戶關系管理和投資景氣指數分析。AIGC的引入進一步提高了金融文本處理、信息摘要與知識生成效率。2.AIGC與智能投研AIGC是生成式人工智能在內容生成任務中的應用形式。面向金融投研任務時，大語言模型可以對資訊、公告、研報和指標表進行語義理解，完成摘要生成、關鍵數據提取、觀點歸納、風險提示和報告撰寫等任務。為了降低大模型“幻覺”風險，本實驗引入檢索增強生成（Retrieval-AugmentedGeneration，RAG）的思想：先給模型提供可追溯的原始材料，再要求模型只基于給定材料生成結論。這樣可以提高輸出內容的可核驗性和可信度。圖1AIGC+金融智能投研實驗流程3.合規與風險提示金融場景對準確性、審慎性和合規性要求較高。AIGC可以輔助完成信息整理和分析報告初稿，但不能替代專業投資判斷。實驗中應避免讓模型直接給出“買入、賣出、保證收益”等結論，所有輸出均應標明“僅用于教學分析，不構成投資建議”。圖2東方財富“妙想”智能投研平臺界面示意四、實驗環境項目配置或說明操作系統Windows/macOS/Linux均可實驗工具支持長文本處理的大語言模型平臺，如DeepSeek、通義千問、Kimi、ChatGPT或校內AIGC平臺輔助工具Word、Excel、瀏覽器；可選Python進行文本清洗和提示詞調用數據類型金融資訊文本、企業公告片段、研報摘要、財務指標表、行業背景材料核心技術提示工程、RAG思想、文本摘要、信息抽取、風險提示生成、人工核驗合規要求不得使用真實個人敏感金融數據；實驗結論僅用于教學分析，不構成投資建議五、實驗數據本實驗采用“金融資訊文本+財務指標表+風險核驗清單”的組合數據。教師可提供統一樣例，學生也可從公開財經新聞、上市公司公告或機構研報中截取一段材料。為避免投資誤導，課堂實驗建議優先使用教學模擬數據或已經公開披露的歷史材料。數據類型示例內容用途注意事項金融資訊文本某商業銀行發布季度經營情況，提到營收、凈利潤、貸款投放、風險控制等信息用于摘要生成和主題提煉必須保留來源和日期財務指標表營收增速、凈利潤增速、不良貸款率、撥備覆蓋率、資本充足率等用于關鍵數據提取和趨勢判斷不得虛構真實上市公司數據行業背景材料利率變化、監管政策、宏觀經濟環境、同業競爭情況用于影響分析和風險提示區分事實與推測人工核驗清單來源是否可追溯、數據是否一致、表述是否合規、是否存在投資建議用于評價AIGC輸出質量核驗結果需寫入報告六、實驗步驟1.明確分析任務：確定本次AIGC需要完成的任務，例如“生成金融資訊摘要”“提煉關鍵財務數據”“分析潛在影響”“生成風險提示”等。2.整理輸入材料：將資訊正文、公告片段、財務指標表和背景材料整理為統一格式。文本較長時可按“標題、來源、日期、正文、指標表、補充背景”分段。3.設計結構化提示詞：在提示詞中設置模型角色、輸入材料、輸出格式、限制條件和合規要求。要求模型只基于給定材料回答，不能編造事實或給出直接投資建議。4.調用AIGC生成結果：將提示詞和數據輸入大語言模型，生成“摘要、關鍵數據、影響分析、風險提示、結論說明”等結構化內容。5.人工核驗與修正：對照原始材料檢查模型是否遺漏關鍵數據、是否錯誤引用、是否夸大結論、是否存在不合規表述。必要時重新調整提示詞并再次生成。6.輸出實驗報告：將最終輸出內容、提示詞、核驗記錄和評價表寫入實驗報告，并總結AIGC在金融分析中的優勢與局限。七、提示詞設計與關鍵代碼本實驗的關鍵在于提示詞設計。提示詞既要給出清晰任務，也要給出邊界條件，尤其要強調數據來源、事實核驗和合規表達。下面給出一個可直接用于課堂實驗的提示詞模板。角色：你是一名金融數據分析助教，負責根據給定材料生成教學用途的智能投研摘要。

輸入材料：

1.金融資訊或公司公告正文：{news_text}

2.財務指標表：{indicator_table}

3.行業背景材料：{background_text}

任務要求：

1.用150字以內概括資訊核心內容；

2.提取5個以內關鍵數據，并說明每個數據反映的含義；

3.從經營表現、風險控制、行業環境三個角度分析潛在影響；

4.生成不少于3條風險提示；

5.明確區分“材料事實”和“分析推斷”；

6.不得給出買入、賣出、保證收益等投資建議；

7.結尾必須寫明：本結果僅用于教學分析，不構成投資建議。

輸出格式：

一、核心摘要

二、關鍵數據

三、影響分析

四、風險提示

五、合規說明若教師希望學生通過Python體驗自動化流程，可采用如下偽代碼組織輸入、拼接提示詞并保存模型輸出。實際API地址和密鑰需由教學平臺或教師統一提供。importjson

news_text=open("finance_news.txt","r",encoding="utf-8").read()

indicator_table=open("indicators.csv","r",encoding="utf-8").read()

background_text=open("background.txt","r",encoding="utf-8").read()

prompt=f"""

請基于以下材料生成教學用途的金融資訊智能投研摘要。

【資訊正文】{news_text}

【財務指標】{indicator_table}

【行業背景】{background_text}

要求：只基于材料回答；不得給出買入/賣出建議；輸出摘要、關鍵數據、影響分析和風險提示。

"""

#response=call_llm_api(prompt)#由教師提供模型接口或使用網頁端AIGC工具

#open("aigc_report.txt","w",encoding="utf-8").write(response)八、實驗結果與分析1.AIGC生成結果示例以下內容為教學模擬輸出，學生應根據實際輸入材料和模型返回結果進行替換。一、核心摘要

材料顯示，某商業銀行本期經營保持穩健增長，營收和凈利潤均實現同比提升，貸款投放繼續向小微企業和消費金融領域傾斜。資產質量總體穩定，但在凈息差收窄、宏觀環境波動和同業競爭加劇背景下，后續盈利能力與風險控制仍需持續關注。

二、關鍵數據

1.營收同比增長8.2%：說明主營業務規模仍在擴大。

2.凈利潤同比增長5.6%：盈利保持增長，但增速低于營收增速，可能受到成本或息差壓力影響。

3.不良貸款率1.21%：資產質量整體可控，但仍需關注重點行業和小微客戶風險。

4.撥備覆蓋率250%：風險抵補能力較強。

5.小微貸款余額增長12.4%：體現普惠金融業務擴張，也可能帶來更高的貸后管理要求。

三、影響分析

經營表現方面，業務規模擴張對收入增長形成支撐；風險控制方面，不良貸款率和撥備覆蓋率顯示短期風險可控；行業環境方面，若利率下行和競爭加劇持續存在，銀行凈息差和盈利彈性可能受到影響。

四、風險提示

1.宏觀經濟波動可能影響企業和個人客戶償債能力。

2.小微貸款增長較快，需關注貸后管理和逾期風險。

3.若凈息差繼續收窄，可能壓縮盈利空間。

4.AIGC輸出依賴輸入材料質量，若材料缺失或過時，分析結論可能存在偏差。

五、合規說明

以上內容僅基于給定材料進行教學分析，不構成任何投資建議。2.輸出結果評價評價維度評價重點示例評分主要問題改進方式準確性關鍵數據是否與原文一致4/5個別指標解釋略籠統補充指標含義和來源完整性是否覆蓋摘要、數據、影響、風險、合規說明5/5結構完整保持固定輸出模板可追溯性是否能對應到原始材料3/5未逐條標注來源位置增加“來源段落/頁碼”字段風險意識是否充分提示不確定性和潛在風險4/5對市場風險說明較概括補充行業與監管風險合規性是否避免直接投資建議和保證性表述5/5無明顯違規表述保留免責聲明從實驗結果可以看出，AIGC在金融資訊摘要、結構化表達和風險提示生成方面具有較高效率，能夠快速把長文本轉化為條理清晰的報告。但其不足也比較明顯：第一，模型可能對未提供的數據進行推測；第二，來源追溯能力依賴輸入材料組織方式；第三，金融結論容易受到提示詞引導影響。因此，在金融場景中使用AIGC時，必須保留人工核驗環節。九、實驗總結本實驗圍繞第十章“大數據時代智能金融的挑戰與機遇”展開，將金融大數據、AIGC、提示工程和智能投研任務結合起來。通過實驗可以看到，AIGC能夠提升金融文本處理效率，幫助完成資訊摘要、關鍵數據提取、觀點提煉和風險提示等工作，適合用于投研輔助、智能客服、輿情分析和金融知識服務等場景。同時，金融業務具有高風險和強監管屬性，AIGC的輸出不能簡單等同于專業結論。實驗的重點不只是“讓模型生成一段文字”，更是訓練學生理解數據來源、提示詞約束、事實核驗、合規表達和人工審查之間的關系。