作者：
廣州普策信用評價(jià)有限公司評級副總監(jiān)　鄭躍飛
廣州普策信用評價(jià)有限公司評級總監(jiān)　杜立輝
廣州普策信用評價(jià)有限公司評級部總經(jīng)理　劉彬
廣州普策信用評價(jià)有限公司分析師　孫英哲

本文原載《債券》2025年6月刊

    摘要：深度求索（DeepSeek）的問世為信用評級行業(yè)智能化轉(zhuǎn)型帶來了重大機(jī)遇，在數(shù)據(jù)提取與處理、數(shù)據(jù)分析及自動化撰寫報(bào)告方面為評級機(jī)構(gòu)提供了有效的實(shí)施路徑。本文研究DeepSeek在信用評級領(lǐng)域的技術(shù)應(yīng)用，發(fā)現(xiàn)DeepSeek在某些方面的技術(shù)賦能價(jià)值明顯，但在專業(yè)領(lǐng)域、風(fēng)險(xiǎn)事件判斷及非常規(guī)問題處理等方面仍存在較大的局限性。最后本文提出“搭建信用評級領(lǐng)域智能知識庫”“打造信用評級人工智能專家”“建立人類專家與智能專家協(xié)同作業(yè)的長效機(jī)制”三階段發(fā)展建議，以期為推動信用評級行業(yè)智能化轉(zhuǎn)型提供參考。

    關(guān)鍵詞：DeepSeek　人工智能　信用評級　自動化

DeepSeek的發(fā)展歷程及應(yīng)用

    （一）DeepSeek的發(fā)展歷程

    DeepSeek成立于2023年7月，是一家專注于開發(fā)大語言模型（LLM）和相關(guān)人工智能（AI）技術(shù)的創(chuàng)新型科技公司，2024年相繼發(fā)布DeepSeek-LLM、DeepSeek-Coder、DeepSeek-Math、DeepSeek-VL、DeepSeek-V2、DeepSeek-V3等多個模型。2025年1月，其自主研發(fā)的DeepSeek-R1模型上線并同步開源，引發(fā)全球廣泛關(guān)注。DeepSeek的崛起展現(xiàn)了我國人工智能技術(shù)的創(chuàng)新實(shí)力，標(biāo)志著全球科技格局的深度變革，進(jìn)一步推動了產(chǎn)業(yè)智能化轉(zhuǎn)型浪潮，預(yù)示人工智能將開創(chuàng)由工具屬性轉(zhuǎn)向深度賦能人類生存與創(chuàng)新的新紀(jì)元。

    （二）DeepSeek的應(yīng)用體系及應(yīng)用現(xiàn)狀

    DeepSeek發(fā)布的各個模型在設(shè)計(jì)目標(biāo)、訓(xùn)練方法、應(yīng)用場景和性能表現(xiàn)等方面具有較大差異，其中最為成熟與廣泛應(yīng)用的主要是DeepSeek-V3和DeepSeek-R1模型。DeepSeek-V3模型專注于自然語言處理、知識問答、內(nèi)容創(chuàng)作等通用任務(wù)，目標(biāo)是實(shí)現(xiàn)高性能與低成本的平衡，適用于智能客服、個性化推薦系統(tǒng)等場景。DeepSeek-R1模型專為數(shù)學(xué)、代碼生成和復(fù)雜邏輯推理等任務(wù)設(shè)計(jì)，適用于大規(guī)模數(shù)據(jù)處理、高效計(jì)算及智能分析等場景。DeepSeek-V3和DeepSeek-R1模型分別代表了通用任務(wù)處理能力與垂直領(lǐng)域推理能力的極致優(yōu)化（見表1）。

    作為國際領(lǐng)先的人工智能技術(shù)平臺，DeepSeek憑借其強(qiáng)大的自然語言處理能力、先進(jìn)的機(jī)器學(xué)習(xí)算法、高效的分布式計(jì)算技術(shù)等核心優(yōu)勢，為各行業(yè)智能化轉(zhuǎn)型提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。同時(shí)，DeepSeek采用開源模式，通過降低使用成本和簡化接入流程，極大地降低了應(yīng)用門檻，吸引了龐大的用戶群體，日活躍用戶數(shù)迅速攀升至行業(yè)首位。同時(shí)，在企業(yè)應(yīng)用領(lǐng)域，DeepSeek也贏得眾多企業(yè)的青睞與合作，展示出巨大潛力。此外，多地政務(wù)服務(wù)系統(tǒng)宣告成功接入DeepSeek，借助其強(qiáng)大的數(shù)據(jù)分析能力和智能交互功能，有效提升政務(wù)服務(wù)效能，優(yōu)化城市治理結(jié)構(gòu)，并推動政府?dāng)?shù)字化轉(zhuǎn)型進(jìn)程。

    展望未來，隨著人工智能技術(shù)的不斷進(jìn)步和普及，DeepSeek的應(yīng)用場景將進(jìn)一步拓展，在更多行業(yè)和領(lǐng)域中發(fā)揮更大的作用，推動中國產(chǎn)業(yè)邁向更高水平的智能化發(fā)展。

DeepSeek對信用評級行業(yè)的技術(shù)賦能價(jià)值與局限性

    信用評級是指信用評級機(jī)構(gòu)對債務(wù)發(fā)行主體或債務(wù)融資工具的信用風(fēng)險(xiǎn)因素進(jìn)行分析，就其償債能力和償債意愿作出綜合評價(jià)，并通過預(yù)先定義的信用等級符號揭示信用風(fēng)險(xiǎn)。信用評級作業(yè)通常需要收集并處理海量的宏觀和微觀信息，根據(jù)評級技術(shù)進(jìn)行分析預(yù)測，進(jìn)而評估企業(yè)的信用風(fēng)險(xiǎn)情況，并結(jié)合專家意見完成信用評級報(bào)告。傳統(tǒng)的評級作業(yè)流程中存在數(shù)據(jù)獲取與整合困難、依賴大量手動分析和判斷、自動化和數(shù)字化水平偏低、整體效率低下等痛點(diǎn)。DeepSeek的人工智能技術(shù)、大數(shù)據(jù)分析技能和自動化技術(shù)為信用評級行業(yè)智能化轉(zhuǎn)型提供了有效抓手。

    鑒于信用評級的復(fù)雜性和嚴(yán)謹(jǐn)性特點(diǎn)，該領(lǐng)域?更適合使用?具有邏輯推理功能的DeepSeek-R1模型。我們利用DeepSeek在數(shù)據(jù)提取與處理、數(shù)據(jù)分析及觀點(diǎn)生成、自動化撰寫評級報(bào)告等方面進(jìn)行了深度測試，不僅探索了DeepSeek在信用評級行業(yè)的技術(shù)賦能潛力，還識別了其在處理復(fù)雜問題和專業(yè)領(lǐng)域分析方面的局限性（見圖1）。

    （一）結(jié)構(gòu)化數(shù)據(jù)的提取與處理效率大幅提升，非結(jié)構(gòu)化數(shù)據(jù)提取與處理仍需人工復(fù)核

    信用評級資料涵蓋財(cái)務(wù)報(bào)表、企業(yè)經(jīng)營情況、行業(yè)報(bào)告、經(jīng)濟(jì)報(bào)告及新聞資訊等一系列結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，人工處理耗時(shí)耗力且效率較低。對于財(cái)務(wù)報(bào)表、經(jīng)濟(jì)財(cái)政等結(jié)構(gòu)化、標(biāo)準(zhǔn)化的定量數(shù)據(jù)，DeepSeek展現(xiàn)出優(yōu)秀的數(shù)據(jù)提取與處理能力，能夠系統(tǒng)高效地對上述數(shù)據(jù)進(jìn)行整理、統(tǒng)計(jì)與排序。如在處理標(biāo)準(zhǔn)化年度報(bào)告時(shí)，DeepSeek可以快速識別并分類各項(xiàng)財(cái)務(wù)指標(biāo)（資產(chǎn)、收入、利潤、成本等），并按需求生成詳細(xì)的統(tǒng)計(jì)報(bào)表。然而，很多企業(yè)的年度報(bào)告可能存在多種注釋或非標(biāo)準(zhǔn)披露方式。由于相關(guān)數(shù)據(jù)語料庫信息不足，DeepSeek面對此類問題時(shí)容易出現(xiàn)誤判，需要專業(yè)人員深度分析。

    在提取與處理非結(jié)構(gòu)化數(shù)據(jù)時(shí)，如企業(yè)經(jīng)營情況的描述性文本、行業(yè)報(bào)告和新聞資訊等內(nèi)容，DeepSeek的表現(xiàn)相對有限。由于此類數(shù)據(jù)缺乏統(tǒng)一的格式和結(jié)構(gòu)，DeepSeek在提取關(guān)鍵信息時(shí)可能存在較大偏差，部分關(guān)鍵數(shù)據(jù)或結(jié)論的準(zhǔn)確性仍需人工復(fù)核。如在處理企業(yè)經(jīng)營情況時(shí)，DeepSeek無法準(zhǔn)確識別隱藏在冗長文本中的關(guān)鍵信息或市場趨勢。同樣，在解析行業(yè)報(bào)告和新聞資訊時(shí)，可能會遺漏某些重要信息或誤判其含義。我們選取普策數(shù)據(jù)庫中的信用評級相關(guān)資料1進(jìn)行數(shù)據(jù)提取測試，準(zhǔn)確率2結(jié)果分析見表2。該表顯示DeepSeek在提取結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)時(shí)存在顯著差異。因此，在使用DeepSeek處理非結(jié)構(gòu)化數(shù)據(jù)時(shí)，仍需結(jié)合人工審核，以確保最終結(jié)果的準(zhǔn)確性。

    （二）數(shù)據(jù)分析及文本生成效率大幅提高，但在專業(yè)領(lǐng)域分析、風(fēng)險(xiǎn)事件判斷及非常規(guī)問題方面仍存在較大的局限性

    DeepSeek的知識庫是基于2024年7月的信息構(gòu)建的，覆蓋范圍較為全面，因此DeepSeek?具備基礎(chǔ)的數(shù)據(jù)分析邏輯能力，能夠滿足大多數(shù)場景下的數(shù)據(jù)分析需求。如根據(jù)單個企業(yè)的財(cái)務(wù)數(shù)據(jù)，DeepSeek可以進(jìn)行較為全面的變化趨勢分析并給出初步觀點(diǎn)；根據(jù)多個企業(yè)的多項(xiàng)財(cái)務(wù)數(shù)據(jù)，也可以進(jìn)行詳細(xì)的對比分析。

    然而，在專業(yè)領(lǐng)域的分析方面，DeepSeek對于某些行業(yè)專有名詞、特定業(yè)務(wù)運(yùn)作邏輯及復(fù)雜計(jì)算法則的理解，仍存在一定的“認(rèn)知”局限性。例如，對于信用評級的某些關(guān)鍵特定計(jì)算指標(biāo)（如可用財(cái)力、利息保障倍數(shù)）和定性描述（如核心競爭力分析、行業(yè)地位評價(jià)），需要專業(yè)的知識支持才能準(zhǔn)確評估。DeepSeek也可能會忽略某些差別或未能完全捕捉到影響結(jié)果的關(guān)鍵因素，進(jìn)而導(dǎo)致觀點(diǎn)出現(xiàn)偏差。因此，DeepSeek在專業(yè)領(lǐng)域方面的數(shù)據(jù)分析及觀點(diǎn)生成仍需分析師進(jìn)行大規(guī)模的優(yōu)化訓(xùn)練。

    在風(fēng)險(xiǎn)預(yù)警方面，DeepSeek也存在局限性。例如，在處理最新事件和動態(tài)時(shí)，DeepSeek可能無法完全準(zhǔn)確地反映當(dāng)前情況，需要人工輔助來不斷更新和完善知識庫。信用評級不僅是對當(dāng)前經(jīng)營狀況的評估，還需要對未來可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行預(yù)測。這種預(yù)測涉及復(fù)雜的經(jīng)濟(jì)周期、政策變化和行業(yè)發(fā)展規(guī)律等多因素分析。盡管DeepSeek能夠依據(jù)歷史數(shù)據(jù)進(jìn)行一定的分析預(yù)測，但在應(yīng)對新出現(xiàn)的行業(yè)風(fēng)險(xiǎn)或突發(fā)事件時(shí)，仍顯現(xiàn)出能力不足。

    此外，在非常規(guī)問題處理方面，DeepSeek同樣面臨挑戰(zhàn)。實(shí)際評級作業(yè)過程中經(jīng)常會遇到企業(yè)資產(chǎn)重組、重大法律訴訟、自然災(zāi)害影響等特殊事件。DeepSeek往往缺乏足夠的“感知”能力，難以生成符合實(shí)際情況的評級結(jié)論，需要分析師結(jié)合具體情境進(jìn)行專業(yè)判斷。

    （三）基本可以實(shí)現(xiàn)自動化撰寫評級報(bào)告，但報(bào)告質(zhì)量的提升仍需進(jìn)一步優(yōu)化及訓(xùn)練

    DeepSeek憑借強(qiáng)大的文本交互能力和自然語言處理技術(shù)，能夠從大量文本中提取有效信息，并根據(jù)輸入內(nèi)容自動生成文本輸出。通過與其多次對話，基本可以實(shí)現(xiàn)自動化撰寫評級報(bào)告。

    然而，信用評級的本質(zhì)是對企業(yè)未來償債能力的專業(yè)判斷，信用評級報(bào)告是信用評級工作的最終展現(xiàn)，對數(shù)據(jù)質(zhì)量、文本分析的準(zhǔn)確性和專業(yè)結(jié)論的要求極高。由于數(shù)據(jù)處理的準(zhǔn)確性不足、專業(yè)領(lǐng)域知識的欠缺及風(fēng)險(xiǎn)事件的感知偏弱等局限性，DeepSeek基于統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)算法生成報(bào)告的質(zhì)量仍待進(jìn)一步優(yōu)化，需要通過針對性的模型訓(xùn)練來實(shí)現(xiàn)。

分階段推動信用評級行業(yè)智能化轉(zhuǎn)型的建議

    針對DeepSeek的技術(shù)賦能價(jià)值及在信用評級行業(yè)應(yīng)用的局限性，可分為三個階段逐步開發(fā)并提升DeepSeek的能力，以期未來實(shí)現(xiàn)信用評級行業(yè)智能化轉(zhuǎn)型（見圖2）。

    （一）搭建信用評級專業(yè)領(lǐng)域的智能知識庫

    首先，搭建多維度的信用評級專業(yè)領(lǐng)域的智能知識庫，如關(guān)系型數(shù)據(jù)庫與分布式數(shù)據(jù)庫，并按照法律法規(guī)、評級方法、宏觀經(jīng)濟(jì)、行業(yè)研究、企業(yè)分析、評級結(jié)果、評級觀點(diǎn)等系列進(jìn)行模塊化和結(jié)構(gòu)化管理。同時(shí)，還需要廣泛收集信用評級相關(guān)的理論、方法、流程、研究成果、法律法規(guī)、典型的信用評級案例，尤其是在不同經(jīng)濟(jì)環(huán)境下的表現(xiàn)和結(jié)果，將分散的數(shù)據(jù)源進(jìn)行清洗和標(biāo)準(zhǔn)化處理。為確保數(shù)據(jù)的準(zhǔn)確性、權(quán)威性和時(shí)效性，有必要由信用評級專家對知識庫內(nèi)容進(jìn)行審查，并定期檢查和更新知識庫內(nèi)容。

    其次，選擇合適的技術(shù)工具或開發(fā)獨(dú)立的應(yīng)用程序，如Cherry Stiuo、Chatbox、AnythingLLM等。將智能知識庫與DeepSeek對接，確保DeepSeek可以調(diào)用并學(xué)習(xí)智能知識庫的內(nèi)容。應(yīng)用程序可實(shí)時(shí)監(jiān)控知識庫的運(yùn)行狀態(tài)，包括數(shù)據(jù)訪問量、系統(tǒng)響應(yīng)時(shí)間等，及時(shí)發(fā)現(xiàn)和解決問題。同時(shí)定期收集用戶的使用反饋，分析存在的問題，持續(xù)調(diào)整內(nèi)容和服務(wù)流程。通過持續(xù)補(bǔ)充和優(yōu)化，構(gòu)建系統(tǒng)化、可持續(xù)提升的信用評級專業(yè)智能知識庫。

    （二）打造信用評級領(lǐng)域的人工智能專家

    基于信用評級專業(yè)智能知識庫，逐步訓(xùn)練打造信用評級領(lǐng)域的人工智能專家。根據(jù)不同的訓(xùn)練目標(biāo)選擇不同的訓(xùn)練模型，分模塊、多維度地進(jìn)行大規(guī)模訓(xùn)練，最終，將精心訓(xùn)練的模型無縫融入現(xiàn)有的評級系統(tǒng)中，實(shí)現(xiàn)對企業(yè)信用風(fēng)險(xiǎn)的即時(shí)監(jiān)測與評估。打造信用評級領(lǐng)域的人工智能專家是一個復(fù)雜的系統(tǒng)工程，重點(diǎn)在于?使人工智能專家能夠?學(xué)習(xí)并理解信用評級專業(yè)知識，?并提升其在風(fēng)險(xiǎn)事件感知、非常規(guī)問題應(yīng)對方面的能力。

    在實(shí)際應(yīng)用過程中，需要注意以下三點(diǎn)：一是持續(xù)收集最新數(shù)據(jù)和市場變化信息并反哺人工智能專家，定期更新模型并優(yōu)化模型參數(shù)和算法；二是確保全面合規(guī)與安全，構(gòu)建嚴(yán)密的風(fēng)險(xiǎn)防控體系，有效抵御人工智能專家遭受的惡意攻擊或不當(dāng)使用；三是定期對人工智能專家的決策過程進(jìn)行合規(guī)性審核，確保符合行業(yè)標(biāo)準(zhǔn)和監(jiān)管要求。通過訓(xùn)練及優(yōu)化，逐步提高人工智能在信用評級領(lǐng)域的專業(yè)水平。

    （三）建立人類專家與人工智能專家協(xié)同作業(yè)的長效機(jī)制

    信用評級的綜合性及復(fù)雜性，意味著信用評級工作離不開人類專家的主觀判斷。因此，在信用評級領(lǐng)域，建立起有效的人機(jī)協(xié)同機(jī)制至關(guān)重要，關(guān)鍵在于明確角色分工、建立良好的反饋與優(yōu)化機(jī)制、確保整個系統(tǒng)的合規(guī)性和風(fēng)險(xiǎn)管理到位。

    基于評級工作客觀需要，角色分工仍應(yīng)是以人類專家為主，人工智能專家為輔，相互協(xié)作，不斷提升評級質(zhì)效。人類專家主要負(fù)責(zé)提供專業(yè)領(lǐng)域的知識、市場洞察，以及對信用風(fēng)險(xiǎn)的深刻理解，審核并闡釋AI模型的輸出結(jié)果，確保其符合行業(yè)標(biāo)準(zhǔn)和監(jiān)管要求；同時(shí)還能處理復(fù)雜或異常的信用評級案例。人工智能專家主要負(fù)責(zé)執(zhí)行數(shù)據(jù)處理與分析，提供預(yù)測性的分析及見解；自動生成初步評級建議，輔助人類專家決策；監(jiān)測市場動態(tài)，及時(shí)發(fā)出風(fēng)險(xiǎn)預(yù)警等。人工智能專家作為必備工具，可以幫助人類專家提高效率。

    建立反饋與優(yōu)化機(jī)制是實(shí)現(xiàn)協(xié)同工作的重中之重。在人工智能快速處理大量數(shù)據(jù)、提取評級依據(jù)并自動生成報(bào)告的過程中，人類專家可以直接將專業(yè)判斷提供給人工智能，使其學(xué)習(xí)并理解后重新生成評級報(bào)告。通過人機(jī)雙向持續(xù)交互和優(yōu)化，才能在信用評級領(lǐng)域建立起高效的人機(jī)協(xié)同機(jī)制。

    信用評級是債券市場的重要基礎(chǔ)性制度安排，信用評級機(jī)構(gòu)被稱為債券市場的“看門人”。因此，確保整個系統(tǒng)的合規(guī)性和風(fēng)險(xiǎn)管理是必須堅(jiān)守的底線。首先，在合規(guī)管理方面，構(gòu)建全面的治理體系，包括內(nèi)部控制制度和業(yè)務(wù)流程規(guī)范，確保系統(tǒng)業(yè)務(wù)開展均有章可循。其次，在風(fēng)險(xiǎn)管理方面，建立智能化的風(fēng)險(xiǎn)預(yù)警系統(tǒng)，實(shí)時(shí)監(jiān)控系統(tǒng)運(yùn)行狀態(tài)，快速識別異常行為，有效防范各類安全威脅。最后，安排專人定期對系統(tǒng)進(jìn)行全面的安全檢測，及時(shí)發(fā)現(xiàn)并修復(fù)潛在漏洞。

總結(jié)與展望

    整體來看，人工智能在信用評級行業(yè)的應(yīng)用仍面臨較大挑戰(zhàn)，主要體現(xiàn)在數(shù)據(jù)質(zhì)量、專業(yè)化分析和風(fēng)險(xiǎn)預(yù)警等方面。信用評級智能化轉(zhuǎn)型需要正視技術(shù)局限，在充分發(fā)揮人工智能技術(shù)優(yōu)勢的同時(shí)，保持必要的專業(yè)審慎。未來的趨勢應(yīng)是構(gòu)建人機(jī)協(xié)同長效機(jī)制，將專業(yè)判斷嵌入自動化處理的基礎(chǔ)流程中。此外，還需要不斷豐富數(shù)據(jù)源、充實(shí)語料庫、拓展運(yùn)用場景和優(yōu)化算法模型，多措并舉，應(yīng)對日益復(fù)雜的信用評級需求。

    隨著數(shù)字化和智能化的快速發(fā)展，傳統(tǒng)信用評級方式面臨全新的發(fā)展機(jī)遇。當(dāng)前，信用評級行業(yè)正不斷地借助云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)進(jìn)行金融科技創(chuàng)新，提升評估效率和準(zhǔn)確性。信用評級機(jī)構(gòu)應(yīng)以技術(shù)創(chuàng)新為核心驅(qū)動力，持續(xù)投入與探索人工智能技術(shù)應(yīng)用，為客戶打造更高效、更精準(zhǔn)的信用評級服務(wù)。同時(shí)，信用評級行業(yè)的智能化轉(zhuǎn)型也為構(gòu)建更加健康和透明的金融生態(tài)提供新動能。通過人工智能技術(shù)賦能，未來的信用評級將更好地服務(wù)于實(shí)體經(jīng)濟(jì)，促進(jìn)金融市場資源的合理配置，為投資者提供更可靠的信息支持。

注：
1.相關(guān)資料包括500家上市公司2023—2024年度報(bào)告、1000家發(fā)債企業(yè)的最新募集說明書及信用評級報(bào)告、1000份各行業(yè)的公開研究報(bào)告、20個省份和180個地市的1000份歷年統(tǒng)計(jì)年鑒。
2.準(zhǔn)確率=正確提取的數(shù)據(jù)數(shù)量/總數(shù)據(jù)項(xiàng)數(shù)量×100%。

參考文獻(xiàn)

    [1]蔡天琪，蔡恒進(jìn)．DeepSeek的技術(shù)創(chuàng)新與生成式AI的能力上限[J].新疆師范大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版)，2025（4）.
    [2]杜立輝.評級機(jī)構(gòu)如何以行業(yè)小組建設(shè)推動人才培養(yǎng)[J].繼續(xù)教育，2016（1）.
    [3]王聞萱，王丹.中國生成式人工智能DeepSeek的核心特征、價(jià)值超越及未來路向[J].統(tǒng)一戰(zhàn)線學(xué)研究，2025（2）.
    [4]喻國明，金麗萍．生成式媒介的極致優(yōu)化：DeepSeek對傳播生態(tài)的系統(tǒng)性影響[J]．新疆師范大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版)，2025（4）.