金工：AI量价因子年内超额基本抹平

金工研究全频段融合因子表现跟踪金工研究（2023.12.8）中，首先用深度学习模型272026618TOPA等权基准的超额收益为4%7年初回测以来OP层年化超额收益率%5日RankIC均值1%。图表1：全频段融合因子分层回测超额净（全A等权基准） 图表2：全频段融合因子累积RankIC第1层第第1层第3层第5层第7层第9层 2层 4层第6层第8层第1010 508 406 304 202 102017/012017/072018/012018/072019/012019/072017/012017/072018/012018/072019/012019/072020/012020/072021/012021/072022/012022/072023/012023/072024/012024/072025/012025/072026/012017/012017/072018/012018/072019/012019/072020/012020/072021/012021/072022/012022/072023/012023/072024/012024/072025/012025/072026/01图表3：全频段融合因子分层回测指标（2017-01-04至2026-06-18，全A等权基准）5日RankIC均值 TOP层年化超额收益率 今年以来TOP层超额收益率11.1% 28.00% 0.44%华泰金工中证1000增强组合构建方法如下：因子：全频段融合因子。80%0.8%，Barra暴露小于0.3，周双边换手率控制为30%，周频调仓，交易费用为双边千分之四。截至2026年6月18日，基于全频段因子构建的AI中证1000增强组合本周超额收益为20171000年化超额收益19.78%6.27%3.1512.67%，Calmar1.56。图表4：中证1000增强组合超额收益表现600%

超额收益回撤（右轴） 累积超额收益（左轴）0%500% -5%400% -10%300% -15%200% -20%100% -25%0%2017/01 2018/01 2019/01 2020/01 2021/01 2022/01 2023/012024/01 2025/01

-30%金工研究金工研究图表5：中证1000增强组合回测绩效（2017-01-04至2026-06-18，基准为中证1000指数）年化收益率年化波动率夏普比率最大回撤年化超额收益率年化跟踪误差超额收益最大回撤信息比率Calmar比率相对基准月胜率调仓双边换手率中证1000增强组合20.24%23.26%0.8733.08%19.78%6.27%12.67%3.151.5677.68%32.63%中证10000.04%23.87%0.0052.14%朝阳永续，金工研究文本LLM-FADT选股组合近期表现跟踪金工研究（2025-06-10）虑到原始分析师研报虽然通常以精确有效的信息传达为核心目标，然而受限于篇幅、语言组织等方面，对于读者而言，研报中或多或少蕴含着需要额外梳理的信息。我们对研报标图表6：LLM对分析师文本的“博观”解读朝阳永续LLM-FADT63（20221028）基本FinBERT65个部分即为大模型对原始文本进行额外解读的视角。FinBERT将以上文本逐一转化为文本特征向量，由此一来，后续的XGBoost模型训练时将获得更为丰富的文本信息输入。图表7：LLM-FADT构建流程示意图2026618LLM-FADT6500超额收益-5.3%，2026年超额收益-4.1%201728.78%，50024.29%1.121.89。图表8：LLM-FADT中证500增强策略净值（回测期：2017-01-26至2026-06-18）超额收益回撤(超额收益回撤(右轴) LLM-FADT中证500增强策略净值中证500指数基准累计超额收益11-5%109 -10%8-15%76 -20%5-25%43 -30%2-35%12017-012017-052017-092018-012017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-052024-092025-012025-052025-092026-012026-05，朝阳永续，通义千问图表9：LLM-FADT中证500增强策略回测绩效（回测期：2017-01-26至2026-06-18）年化收益

Calmar比

年化超额

超额收益相对基准年化双边率 率夏普比率最大回

率 收益

误差信息比率

最大回撤Calmar比率

月胜率

换手率金工研究LLM-FADT中证500增强策略 28.78% 25.72% 1.12 36.70% 0.78 24.29% 12.82% 1.89 22.89% 1.0674.34% 15.03金工研究，朝阳永续，通义千问，朝阳永续，通义千问图表10：LLM-FADT组合逐月超额收益（回测期：2017-01-26至2026-06-18）1月2月3月4月5月6月7月8月9月10月11月12月年超额收益2017年1.6%2.0%3.6%0.4%4.2%7.0%2.9%0.7%3.4%6.3%-1.9%34.4%2018年3.5%5.3%-1.4%1.2%5.8%6.8%2.3%-1.7%0.9%3.1%-0.9%0.6%28.2%2019年6.3%0.2%1.0%6.4%1.5%4.3%4.5%5.3%0.7%7.1%0.8%1.7%47.6%2020年6.0%8.4%2.5%5.9%4.0%2.3%4.1%10.0%2.4%4.2%-2.3%3.2%63.6%2021年0.2%0.8%4.5%0.8%-0.4%7.2%4.0%5.8%-4.3%-2.7%6.1%-2.0%21.1%2022年0.6%5.4%-0.1%2.1%2.8%5.6%1.6%0.2%-3.1%-0.5%-1.4%-0.4%13.1%2023年3.4%3.4%-2.4%1.1%3.7%3.0%-4.4%0.9%-0.3%-7.0%1.8%4.1%6.9%2024年2.4%-6.8%7.5%2.0%2.5%1.3%-1.2%1.1%-0.9%0.7%5.5%4.4%19.2%2025年5.2%-2.2%1.7%-4.1%3.4%1.7%1.2%-0.7%-4.7%2.6%0.8%-2.0%2.3%2026年-4.0%-3.0%6.5%1.6%0.4%-5.3%-4.1%，朝阳永续，通义千问相比于仅依赖原始文本的-DT-DT202410超额有所反弹。金工研究金工研究图表11：BERT-FADT与LLM-FADT策略超额对比（回测期：2017-01-26至2026-06-18）500指增超额收回撤(BERT-FADT) 500指增超额收回撤(LLM-FADT)500指增累计超(BERT-FADT) 500指增累计超(LLM-FADT)8 0%7-5%65 -10%4-15%32 -20%1-25%02017-012017-052017-092018-012017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-052024-092025-012025-052025-092026-012026-05，朝阳永续，通义千问金工研究AI行业轮动模型表现跟踪金工研究华泰金工使用深度学习模型对全频段量价数据进行信息提取，得到具有不错选股效果的因子（2023128。进一步使用5AIAI段量价数据中的规律，与自上而下策略形成互补。图表12：基于全频段量价特征的选股因子华泰金工AI行业轮动模型构建方法如下：32个行业。因子：全频段量价融合因子。使用行业成分股的因子得分对每个行业打分。5交易日收盘价买入，周频调仓，不计交易成本。图表13：AI行业轮动模型表现 AI AI行业轮动模型 等权基准超额净值98765432102017/01/082018/01/082019/01/082020/01/082021/01/082022/01/082023/01/082024/01/082025/01/082026/01/08图表14：AI行业轮动模型回测指标（2017-01-04至2026-06-18，等权基准）年化收益率年化超额收益率超额收益最大回撤超额夏普比率今年以来收益率今年以来超额收益率25.98%19.48%12.43%1.846.88%9.11%金工研究金工研究模型7年初回测以来年化收益率为%9%，6.88%。模型未来一周将持有贵金属、工业金属、非510行业如下。图表15：AI行业轮动模型得分前10行业（2026-06-18）一级行业名称得分一级行业名称得分贵金属0.76家电0.21工业金属0.73纺织服装0.16非银行金融0.60稀有金属0.11银行0.30交通运输0.11国防军工0.26钢铁0.11金工研究AI主题指数轮动模型表现跟踪金工研究华泰金工AI主题指数轮动模型构建方法如下：主题指数池：根据 的ETF基金分类，选取主题ETF基金跟踪的指数形成主题数池，共有133个主题指数。（22.12.8。使用主题指数成分股的因子得分对每个主题指数打分。10第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四。图表16：AI主题指数轮动模型表现 AI主题指数轮动模型 等权基准超额收益32102018/01/022019/01/022020/01/022021/01/022022/01/022023/01/022024/01/022025/01/022026/01/02图表17：AI主题指数轮动模型回测指标（2018-01-02至2026-06-18，等权基准）年化收益率年化超额收益率超额收益最大回撤超额夏普比率今年以来收益率15.26%8.46%22.40%0.66-2.14%金工研究金工研究202661820188.46%，今年以来绝对收益-2.14%，超额收益-6.69%，模型未来一周推荐持有300非银15指数如下。图表18：AI主题指数轮动模型得分前15指数及跟踪ETF（2026-06-18）指数代码指数名称得分跟踪指数的ETF931892.CSI有色矿业0.53矿业ETF(159690.SZ),矿业ETF(561330.SH)930598.CSI稀土产业0.50稀土ETF(159713.SZ),稀土ETF易方达(159715.SZ),稀土ETF基金(516150.SH),稀土ETF(516780.SH)000819.SH有色金属0.48有色金属ETF(512400.SH)930708.CSI中证有色0.45有色金属ETF(159871.SZ),有色龙头ETF(159876.SZ),有色60ETF(159881.SZ)h30035.CSI300非银0.37证券保险ETF(512070.SH)稀有金属ETF(159608.SZ),稀有金属ETF基金(159671.SZ),稀有金属ETF基金(561800.SH),稀有金属930632.CSICS稀金属0.36ETF(562800.SH)000992.SH金融地产0.33金融地产ETF(159940.SZ)000068.SH上证资源0.30资源ETF(510410.SH)000066.SH上证商品0.28大宗商品ETF(510170.SH)931521.CSI高装细分500.28高端装备ETF(159638.SZ)399967.SZ中证军工0.24军工ETF易方达(512560.SH),军工ETF(512660.SH),军工ETF龙头(512680.SH),国防军工ETF(512810.SH)930725.CSICS车联网0.23智能网联汽车ETF(159872.SZ)h11057.CSI石化产业0.23石化ETF(159731.SZ),化工行业ETF(516570.SH)931393.CSI湖北指数0.21湖北ETF(159743.SZ)930716.CSICS物流0.20物流快递ETF(516530.SH),物流ETF(516910.SH)金工研究AI概念指数轮动模型表现跟踪金工研究华泰金工AI概念指数轮动模型构建方法如下：概念指数池：选取 热门概念指数，共有72个概念指数。因子：全频段量价融合因子。使用概念指数成分股的因子得分对每个概念指数打分。10第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四。图表19：AI概念指数轮动模型表现 AI概念指数轮动模型 等权基准超额收益5432102018/01/022019/01/022020/01/022021/01/022022/01/022023/01/022024/01/022025/01/022026/01/02图表20：AI概念指数轮动模型回测指标（2018-01-02至2026-06-18，等权