主动量化研究之三：ChatGPT思维链推理机构调研选股策略

本研究利用 GPT-4o 模型分析机构调研问答明细数据，构建投资策略，并对比了其与传统 NLP 模型（FinBert）及基于调研数据的策略效果。研究发现，GPT-4o 模型在理解调研文本信息方面优于 FinBert，能够提供更为准确的投资价值判断，其生成的选股池的收益率显著高于 FinBert 选股池和基于调研数据的股票池，并且均优于中证 800 指数。

研究进一步发现，一定时间内利好次数越多的股票组成的股票池，其收益率越高；而通过将利好次数作为权重来调整持仓比例后，收益率也得到了显著的提升。据此，研究构建了 ChatGPT 调研事件优选策略。然而，该策略在实际操作中表现出持仓数量不稳定、换手率较高的特点。为了解决这一问题，研究引入了滚动窗口机制，构建了 ChatGPT 调研事件优选策略（换手缓冲）。该策略在近五年展现出了较好的超额收益率表现。具体来看，2020 年至 2024 年（截至 10 月末），其超额收益率分别达到了 47.74%、26.37%、13.58%、20.03% 和 9.29%。

研究结果表明，拥有思维链的大语言模型在解析和利用机构调研问答明细数据方面展现出了显著优势，显著提升了投资策略的收益率和决策的科学性，验证了其在实际投资中的应用价值和潜力。