本报告重点介绍ChatGPT在投资研究中的多个插件应用,包括PortfolioPilot、Boolio、PortfoliosLab等,及Noteable插件支持的复杂投资策略开发与测试。报告对比分析了各插件的功能与数据处理能力,展示了机器学习模型构建如LSTM择时策略和财务造假预测的示范,提升投研效率和策略开发能力,具有重要应用价值。
| 插件名称 | 核心功能 | 覆盖资产类型 | 特色说明 |
|---|---|---|---|
| PortfolioPilot | 组合评估、个性化投资建议、宏观经济信息 | 股票、ETF、加密货币、债券、基金 | 功能最全面,支持组合自动改进和宏观洞察 |
| Boolio Invest | 基于量化因子方法的全球股票价值分析 | 股票(支持A股) | 提供股票基础信息及多因子评分,但不支持组合分析 |
| PortfoliosLab | 历史表现、风险指标、夏普比率、最大回撤等数据分析 | 股票、ETF、基金、加密货币 | 主要聚焦单一资产历史数据 |
本报告兼具介绍性和技术应用示范性,对投资者如何利用AI工具改进研究工作提供了具体且前沿的参考。,4]
首次明确OpenAI在2023年5月13日向ChatGPT Plus用户发布了网络浏览与插件功能,解决了原本ChatGPT只能基于2021年前数据局限性。插件数量迅速增至385个,并启用模糊检索提升用户体验。
察觉到插件生态强调办公效率,以及金融/投资领域的广泛需求,本报告将聚焦投资研究应用插件与办公类插件。,4]
本章表明办公应用插件极大丰富ChatGPT数据获取与初步处理能力,尤其对投研有重要支持意义。~9]
此外,提及其他如DAIZY、Polygon、SavvyTrader AI等投资相关插件追加,但未做深度测试。
该章节展示了当前投资研究生态中不同插件的功能定位及优势,强调组合管理综合性插件PortfolioPilot的领先地位。~16]
Noteable插证明确实极大降低了投资量化研发门槛,是未来投研数字化的重要工具。~22]
图表1: 展示Plus用户如何通过模糊检索快速定位投资相关插件,如Boolio、PortfolioPilot、PortfoliosLab等,形象体现平台生态开发速度与多样选择。
图表2: 插件上线数量与类型分布,办公学习(95个)、娱乐媒体游戏(60个)、金融商业(47个)居多,反映出工具重心与使用热点。
图表3-5: Wolfram插件执行具体数学题目及画图演示,直观展现功能广度与精准度,对知识计算补足ChatGPT自身不足作用明显。~7]
图表6-8: AskYourPDF与ChatWithPDF插件在宁德时代财报解析上表现对比,前者精准提取并分析多项重磅财务数据,后者存在数据错乱,突出插件稳定性差异。
图表9-12: WebPilot插件在最新科技趋势、医学论文、金融学术论文的检索总结中,实现多学科信息整合,可用于科研与投资信息抓取。
图表13-19: PortfolioPilot插件全面解析投资组合结构、收益风险、资产类别及ETF具体参数,结合AI模型评估与优化建议,助力投资组合科学构建。~12]
图表20-22: Boolio Invest插件展示宁德时代详细股票信息与定量评分体系BoolioScore设计,定量评估结合财务成长能力体现其价值分析能力。~14]
图表23-25: PortfoliosLab提供VTI与VOO两大ETF历史表现及风险指标实例,同时三个投资插件关键功能对比,PortfolioPilot功能最全面突出。~16]
图表26-35: Noteable插件用于数据下载、EDA、模型代码自动生成、模型训练与预测全流程示范,具有极强的交互性和实用性,适合复杂量化投资策略研发。~21]
图表36-39: Noteable在财务造假预测建模展示了样本构建、特征处理、模型训练及性能评估,指出数据不均衡对指标的影响及后续改进方向,技术路线严谨具前瞻性。
图表40-46: 附录详列了多达数百款插件,涵盖办公学习、金融商业、购物旅游、教育媒体及体育娱乐多领域,表明ChatGPT插件生态的多元化及广泛应用潜力。~30]
本报告并无具体企业估值部分,侧重于工具与技术层面的插件功能测评及实操展示。因此没有传统的DCF、市盈率或其他估值模型的应用分析。
不过,PortfolioPilot所用的Global Predictions模型基于复杂的机器学习方法,综合宏观经济、公司基本面和新闻情绪数据,对证券预期收益和风险进行预测,实质实现了动态“估值”与风险测算的功能。
Boolio则通过多因子定量评分模型(BoolioScore)提供股票价值评估,指标涵盖成长性、盈利能力、估值及市场表现,虽缺乏估值模型细节披露,但也构成一个以多条件评分为核心的量化估值分析框架。,13,14]
本报告识别的风险包括:
报告明确提示了这些潜在风险,但未细化具体的缓解策略,用户需通过持续监控和反馈积极应对。,23]
报告内容较为全面且客观,但在部分插件准确性评价中存在一定倾向性。例如,ChatWithPDF与AskYourPDF对比时未给出ChatWithPDF错误的具体技术原因,简单陈述“数据错误”,未详细检验其潜在的升级空间。
对PortfolioPilot的AI模型预测权威性和准确性披露有限,虽使用了广泛数据,但缺乏足够的透明度和验证细节,可能给投资者带来误判风险。
Boolio评分体系虽详列设计条件,但缺少模型训练、样本选择及权重系数的说明,用户需谨慎使用,避免“黑箱”风险。
Noteable虽然显著提升投研建模便捷性,但模型训练过程对用户操作要求高,且实际环境依赖库安装可能遇阻碍,技术门槛仍存。
报告多处表述以ChatGPT自动生成回复为主,部分截图中的答案存在格式不完整或语义断裂,需用户自行甄别和二次校验。
整体而言,报告展现了插件应用的巨大潜力但也提醒用户技术尚处于成长阶段,投资决策不宜完全依赖单一工具输出。,13,22]
本专题报告系统梳理了ChatGPT在2023年升级网络浏览与插件功能后,对投资研究领域的支持价值与可操作性。核心结论包括:
ChatGPT插件生态迅速发展,涵盖办公学习、金融市场、购物旅游、教育媒体等多领域,数量超过385个,且依托于模糊搜索功能方便用户快速检索相关插件。
办公插件中,Wolfram插件强力填补ChatGPT在数学计算及科学知识的短板,AskYourPDF等插件具备高效提取、解析PDF财报及文档的信息能力。WebPilot插件则可动态抓取网页和学术论文,强力支持信息获取与交互提问。
投资相关插件以PortfolioPilot、Boolio Invest和PortfoliosLab为代表。PortfolioPilot提供了最为全面的投资组合评估、优化建议及宏观经济洞察,是功能最丰富且最具应用价值的插件。Boolio Invest聚焦于股票的多因子评分体系,适合个股深入研究。PortfoliosLab擅长历史表现和风险指标的直观分析。
报告通过Noteable插件完整展示了开放的量化模型开发流程,包括数据下载、EDA分析、机器学习模型构建(LSTM择时模型)、财务造假预测模型训练和评估,实现了聊天交互环境下极高的研发效率,这对量化投资及风险管理技术具突破意义。
风险提示强调插件和模型的不稳定与误差风险,要求投资者合理期待并保持谨慎。
综合来看,报告基于实测和交互验证,客观评价了当前ChatGPT插件在投资领域中的应用价值和局限。作者未对具体证券进行买卖评级,但为投资者和机构提供了AI赋能投研的技术路径和工具选型重要参考。
综上,ChatGPT的投资插件生态迅猛发展,PortfolioPilot与Noteable等插件在投资组合管理和策略研发方面表现尤为突出,通过智能自动化和数据驱动的方式,有望提升投研效率和科学性,但用户需注意数据质量、模型透明度和技术门槛等风险因素。~31]
图表1(插件模糊检索界面)
图表6(AskYourPDF插件准确提取宁德时代财报关键数据)
图表15 & 16(PortfolioPilot组合评估详细关键数据与改进建议)
(结合文本部分详见组合预计回报率、风险、风险调整收益、行业/国家分布及改进建议)
图表28 & 29(Noteable完成数据下载、编码及可视化)
图表33 & 35(Noteable完成LSTM模型训练与预测结果图)
图表36~39(Noteable在财务造假预测模型训练流程及评估)
总结:本报告系统全面地测试、对比和应用了ChatGPT平台下最新上线的投资相关插件,尤其突出PortfolioPilot在投资组合分析优化中的功能优势和Noteable在量化策略研发中的突破式贡献,彰显了AI深度整合投研关键流程的巨大潜力与未来方向,同时也提醒用户理性看待技术进步带来的风险和挑战,为投资者与机构提供了极具启发性的技术路线图和应用实践指南。~31]
ChatGPT应用探讨系列之四:ChatGPT投资相关插件测试及策略开发.pdf