DeepSeek、QwQ-32B与Manus技术解析、投研场景与量化应用

金融工程 证券研究报告 |深度研究报告 2025/03/15 大语言模型在投研中的应用—— DeepSeek、QwQ-32B与Manus技术解析、投研 场景与量化应用 马自妍 S1190519070001 证券分析师： 分析师登记编号： 刘晓锋 S1190522090001 证券分析师： 分析师登记编号： P2 目录 5. 本地部署 6. 大语言模型在投研中的应用未来演进方向 请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 1. 概述：AI赋能投研应用 2. 模型技术架构 3. 投研场景适配性分析 4. 量化研究中的技术适配 P3 1、概述：AI赋能投研应用 1.1 概述 本报告将深入解析三者的技术差异，并结合投研与量化研究的核心需求，提出场景适配框架与 实施路径。 请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 ➢ 传统投研面临两大核心瓶颈：非结构化数据处理效率低下与量化模型信号维度单一。 • 分析师花费大量时间处理财报、新闻、电话会议记录等文本数据，且人工提取关键指标存 在一定误差率。 • 量化策略依赖结构化数据（如价格、财务指标），难以捕捉政策变化、市场情绪等文本隐 含信号。 ➢ D ...