专业级AI股票分析提示词

专业级AI股票分析提示词

人工智能(AI)正在深刻地重塑投资者和分析师研究股票基本面的方式。其核心优势在于:

全面性与一致性 :一个结构化的提示词就像一张详尽的分析清单,确保每一次分析都能覆盖从财务健康、技术走势到行业竞争和宏观风险等所有关键维度。这避免了研究中的疏漏和盲点,并保证了在对比不同股票时,评估标准是统一的。

极致的效率提升 :人类分析师需要数小时甚至数天才能完成的数据搜集、整理和初步分析工作,AI在清晰的指令下几乎可以瞬间完成。这极大地缩短了研究周期,让投资者能将更多精力投入到更高阶的决策判断中。

数据驱动的客观性 :通过指令要求AI抓取并分析特定的财务比率、价格数据和市场情绪指标,可以有效减少个人情绪(如恐惧或贪婪)对初步判断的干扰,使分析始于一个更客观的数据基础。

深度定制与灵活性 :投资者可以根据自己独特的投资哲学(如价值投资、成长投资或技术交易)来设计和调整提示词的侧重点。无论是深度挖掘公司的护城河,还是聚焦于短期交易的催化剂,AI都能根据定制化的框架提供针对性极强的分析。

赋能个人投资者 :过去,只有专业的机构分析师才能进行如此全面的案头研究。现在,通过构建高质量的提示词,任何投资者都能利用AI这一强大工具,执行堪比专业水准的系统化分析,从而做出更明智的投资决策。

经过反复的测试、修正以及基于专业经验,我们提炼出的一套全面的提示词。简化版本如下:


角色与目标 (Role & Goal)

你是一位顶级的金融分析师,你的任务是为客户撰写一份专业、深入、数据驱动且观点明确的股票研究报告。你的分析必须客观、严谨,并结合基本面、技术面和市场情绪进行综合判断。

核心任务 (Core Task)

我将提供给你一个股票名称(或代码 [在此处插入股票名称或代码]),请你严格遵循以下结构和要求,生成一份完整的分析报告。


报告结构与要求

报告摘要 (Report Summary)

在报告的最开头,提供一个高度浓缩的摘要,包含以下内容:

  1. 关键投资亮点 (Key Investment Highlights) :以要点形式列出3-5个最重要的投资亮点或关注点。
  2. 投资者画像 (Ideal Investor Profile) :指出该股票适合哪类投资者(例如:寻求长期增长的价值投资者、能承受高波动的投机者、寻求稳定股息的保守型投资者等),并说明建议的投资时间周期。

深度分析 (In-Depth Analysis)

1. 公司与行业分析
  • 商业模式 (Business Model) :公司如何创造收入?其核心产品、服务和主要客户群体是什么?
  • 行业格局与竞争优势 (Industry Landscape & Moat) :
    • 公司所在行业的核心驱动因素、市场规模和增长前景如何?
    • 主要竞争对手是谁?
    • 综合评估 :与竞争对手相比,该公司在市场份额、技术、品牌或成本方面有何独特的竞争优势(护城河)?
2. 财务健康状况与业绩 
  • 近期业绩 (Recent Earnings) :注明最近的财报发布日期,并总结其业绩超预期/不及预期的关键点。
  • 核心财务趋势 (Key Financial Trends) :分析过去3-5年收入、净利润和利润率(毛利率、营业利润率)的增长趋势和稳定性。
  • 关键财务比率分析 (Financial Ratio Analysis) :提供一个包含市销率 (P/S)、市净率 (P/B)、PEG、债务权益比 (Debt-to-Equity) 的列表,并与行业平均水平和公司历史水平进行比较,以评估其相对价值和财务风险。
3. 增长前景与催化剂 
  • 增长战略 (Growth Strategy) :管理层正在推行哪些增长计划(例如:新产品发布、市场扩张、并购)?
  • 潜在催化剂 (Potential Catalysts) :未来6-12个月内,有哪些可预见的事件(如:新产品获批、行业会议、监管政策变化)可能成为股价的正面催化剂?
4. 技术分析与市场情绪
  • 价格行为与趋势 (Price Action & Trend) :描述当前股价是处于上升、下降还是盘整趋势中。关键的移动平均线(如50日、200日)状态如何?
  • 关键价位 (Key Levels) :明确指出当前主要的支撑位阻力位,并解释其形成原因(例如:前期高/低点、斐波那契回撤位)。
  • 成交量分析 (Volume Analysis) :近期的成交量趋势是放量还是缩量?这与价格走势是否匹配?
  • 市场情绪与持仓 (Sentiment & Positioning) :
    • 分析师评级 (Analyst Ratings) :总结买入/持有/卖出的评级分布百分比。近期是否有重要的评级变动?
    • 机构持仓 (Institutional Ownership) :根据最新的公开数据,总结“聪明钱”(如顶级对冲基金、养老基金)的持仓趋势是增持还是减持。
5. 风险评估
  • 核心业务风险 (Key Business Risks) :列出公司面临的主要风险(如:对单一客户/供应商的依赖、技术迭代风险、运营问题)。
  • 宏观与行业风险 (Macro & Industry Risks) :是否存在可能对公司造成负面影响的宏观经济(如利率、通胀)或行业性风险?
  • 危险信号 (Red Flags) :在近期的财报、新闻或公司文件中,是否存在任何需要警惕的危险信号?

基于完整版本的提示词,我们分别生成了工商银行和英伟达的研究报告:

图片

图片

如何学习AI大模型 ?

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

ZEEKLOG粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传ZEEKLOG,朋友们如果需要可以扫描下方二维码&点击下方ZEEKLOG官方认证链接免费领取 【保证100%免费】


读者福利: 👉👉ZEEKLOG大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)

在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。

在这里插入图片描述
在这里插入图片描述

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(全套教程文末领取哈)

在这里插入图片描述

👉4.大模型实战项目&项目源码👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战项目来学习。(全套教程文末领取哈)

在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。(全套教程文末领取哈)

在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。(全套教程文末领取哈)

在这里插入图片描述

为什么分享这些资料?

只要你是真心想学AI大模型,我这份资料就可以无偿分享给你学习,我国在这方面的相关人才比较紧缺,大模型行业确实也需要更多的有志之士加入进来,我也真心希望帮助大家学好这门技术,如果日后有什么学习上的问题,欢迎找我交流,有技术上面的问题,我是很愿意去帮助大家的!

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。

在这里插入图片描述


在这里插入图片描述

ZEEKLOG粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传ZEEKLOG,朋友们如果需要可以扫描下方二维码&点击下方ZEEKLOG官方认证链接免费领取 【保证100%免费】

读者福利: 👉👉ZEEKLOG大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)

Read more

使用Open WebUI下载的模型文件(Model)默认存放在哪里?

使用Open WebUI下载的模型文件(Model)默认存放在哪里?

🏡作者主页:点击!  🤖Ollama部署LLM专栏:点击! ⏰️创作时间:2025年2月21日21点21分 🀄️文章质量:95分 文章目录 使用CMD安装存放位置 默认存放路径 Open WebUI下载存放位置 默认存放路径 扩展知识 关于 Ollama 核心价值 服务 关于Open WebUI 核心特点 主要功能 使用场景 Open WebUI下载存放位置 在使用Ollama平台进行深度学习和机器学习模型训练时,了解模型文件的存储位置至关重要。这不仅有助于有效地管理和部署模型,还能确保在需要时能够快速访问和更新这些模型文件。本文将详细探讨Ollama下载的模型文件存放在哪里,并提供相关的操作指南和最佳实践 最后感谢大家 希望这篇文章能帮助你! 使用CMD安装存放位置 以下做测试 我们采用哦llama38B模型来测试 输入命令等待安装即可 默认存放路径 C:\Users\Smqnz\.ollama\models\manifests\registry.ollama.ai 不要直接复制粘贴 我的用户名和你的不一样

前端 AJAX 详解 + 动态页面爬虫实战思路

目前 80% 的网站都使用了AJAX技术,那么传统的爬虫通过 html 来获取数据就不行了,总结一下 AJAX 相关知识。 1、前端三大核心 前端开发的三大核心基础是 HTML、CSS 和 JavaScript。 * HTML 负责搭建网页的结构与内容(结构) * CSS 负责网页的样式、布局和视觉效果(表现) * JavaScript 负责网页的交互、逻辑和数据处理(行为) HTML(结构层) 本质上是 标记语言(Markup Language),通过标签描述页面元素。 常见标签: <h1>标题</h1><p>段落</p><

基于腾讯CNB的前端代码自动构建及发布流程

基于腾讯CNB的前端代码自动构建及发布流程 自己有一个小网站,一个纯前端的小站点,主要是为了给自己接一点小私活,由于服务器一直用的是腾讯云(便宜啊,299,3年),所以代码自动化部署也用的是腾讯云的Coding,最近需要更新一下数据,提交代码发现Coding已经在6月份就进行了淘汰,迁移到腾讯新推出了腾讯云原生构建(CNB),好名字啊!超牛B还是吹牛B我们先不说,要是我是付费用户肯定不开心,但是咱不是免费用户吗?有一个大一点的正规平台,免费提供自动化构建发布流水线我们还有什么不开心?要什么自行车!话不多说直接开干! * 登录CNB https://cnb.cool/,创建新的代码库, 并将自己的代码推送到腾讯云仓库. 流程架构 * 创建容器镜像服务, 由于以前的服务器一直在阿里云,所以沿用了阿里云的容器镜像服务,主打一个用免费的! 阿里云容器镜像服务地址, https://www.aliyun.com/product/acr/,腾讯也有自己的容器镜像服务,需要的评论留言,我在更新。这一步主要是提供远程docker容器镜像服务的,让我们可以把自己的代码镜像上传到一个公

语音交互实战:基于WebRTC与AI接口构建实时语音对话系统

语音交互实战:基于WebRTC与AI接口构建实时语音对话系统 随着大模型技术的爆发,人机交互的方式正在经历一场从“指令式”到“对话式”的深刻变革。传统的文本交互虽然成熟,但在移动场景、驾驶辅助或无障碍应用中,语音交互才是刚需。然而,很多开发者在尝试构建语音对话系统时,往往会陷入“能听会说但反应迟钝”的尴尬境地。 传统的语音交互流程通常是:录音 → 上传文件 → 后端识别(STT) → 大模型处理(LLM) → 语音合成(TTS) → 返回播放。这种“一问一答”的串行模式,导致用户说完话后需要等待数秒才能听到回复,这种延迟在实时对话场景下是致命的。 本文将探讨如何利用WebRTC技术与AI接口,构建一个低延迟、全双工的实时语音对话系统,打破交互延迟的壁垒。 核心技术架构:从串行到流式 要解决延迟问题,核心在于将“文件级”处理转变为“流式”处理。我们不再等待用户说完一句话才开始识别,而是边说边识别;不再等大模型生成完整回复才开始合成,而是边生成边合成。 1. WebRTC: