ChatGPT와 DeepSeek를 이용한 포트폴리오 최적화 비교 연구 = A Comparative Study of Portfolio Optimization Using ChatGPT and DeepSeek

다국어 초록 (Multilingual Abstract)

This study investigates the use of ChatGPT and DeepSeek for portfolio optimization in the financial investment sector. Based on a sample of constituent stocks from the CSI 300 Index, the study compares the portfolio construction characteristics and investment performance of the two models, focusing on portfolio generation, asset weight allocation, mean-variance optimization, and prompt engineering.
The empirical results indicate that, during the in-sample period, DeepSeek exhibited relatively better performance in constructing a 10-stock portfolio, whereas ChatGPT showed better performance in the 20-stock portfolio. During the out-of-sample period, the 20-stock portfolio recommended by ChatGPT achieved a cumulative return exceeding that of the CSI 300 Index, while the portfolio generated by DeepSeek failed to outperform the benchmark.
In terms of prompt engineering, ChatGPT demonstrated stronger responsiveness to relatively ambiguous prompts and generated more favorable returns. By contrast, DeepSeek’s performance improved when the prompts were clear and contained both return and risk conditions.
These research results indicate that the effectiveness of generative artificial intelligence in portfolio optimization is not only dependent on the model itself, but also on portfolio size, prompt design, and the integration of mean-variance analysis. This study provides empirical evidence on the applicability of generative AI models to portfolio construction. The results also suggest that AI models should be used in combination with quantitative optimization methods rather than as standalone tools for portfolio selection.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구 배경 1
• 제2절 연구 동기 2
• 제3절 연구 목적 4
• 제4절 연구 의의 6
• 제5절 연구 구조 7
• 제2장 선행 연구 8
• 제1절 ChatGPT와 DeepSeek의 특성 8
• 제2절 대규모 언어 모델（LLM）이 금융 분야에서의 응용연구 10
• 제3절 프롬프트 엔지니어링의 설계에 관한 연구 12
• 제3장 연구 설계 14
• 제1절 연구 자료 14
• 1. ChatGPT와 DeepSeek의 최적화 포트폴리오 형성과 성과 비교 14
• 2. 프롬프트 엔지니어링 측면에서 나타나는 성과 비교 19
• 제2절 연구 모델 21
• 1. 공통 성과평가 모형 21
• 2. 최적화 포트폴리오 성과 비교 모형 22
• 3. 프롬프트 엔지니어링 측면에서 나타나는 성과 비교 모형 23
• 제4장 실증 분석 결과 25
• 제1절 ChatGPT와 DeepSeek의 최적화 포트폴리오 성과 비교 25
• 1. 5중 포트폴리오의 비중과 효율적 투자경계선 25
• 2. 2023년 8월 1일-2025년 7월 31일 누적수익률 결과 29
• 3. 2025년 8월 1일-2025년 12월 26일 누적수익률 결과 33
• 제2절 프롬프트 엔지니어링 측면에서 나타나는 성과 비교 36
• 1. 다양한 프롬프트 조건에서의 종목 선택 및 가중치 36
• 2. 프롬프트에서 포트폴리오의 성과 및 최적화 분석 39
• 제5장 결 론 48
• 참 고 문 헌 50
• 부 록 54
• ABSTRACT 56