AI赋能资产配置（十一）：从算力平权到投研平权

证券研究报告|2025年04月06日 AI赋能资产配置（十一） 从算力平权到投研平权 核心观点策略研究·策略专题 DeepSeek的弯道超车是国产人工智能以更高性价比实现算力平权的里程标志，人工智能正以前所未有的速度和广度渗透金融领域，有望实现投研平权。尤其在投资研究、资产配置及交易执行层面展现出变革潜力。借鉴探索流高效处理爆炸性信息的理念，AI能够整合海量、多维数据，贯穿从低频宏观配置到高频微观交易的多元策略场景，如同构建复杂的逻辑图谱，为金融决策提供新的分析视角与决策支持。 AI在金融实战中也面临着反应速度、预测精确度与模型泛化能力之间的固有挑战——即所谓的“不可能三角”。这预示着其深度应用仍需克服关键障碍，方能充分释放其在提升投资效率与风险管理上的核心价值。通过在传统的主被动资产配置、大盘择时行业和风格轮动策略中，嵌入DeepSeek来赋能投研，实现提振增效、金融与科技共振：1）底层架构：股票、债券、商品等大类资产的择时和配比。赋能主被动投资、宏观数据预测。2）A股策略应用：宏观大势和中观行业板块轮动比较。赋能大盘择时与行业轮动。3）情绪感知和落地：语义检索和学习、ESG信息网格。赋能政策学习与ESG实践。 AI在投研中的定位更适合坐在“副驾驶”中减少情绪化交易等人为错误，或是“辅助驾驶”提高投研效率。在投研实践中，AI展现出强大的潜力，尤其体现在提升数据处理效率和优化策略执行上。但整体来看，AI难以完全替代人类在理解复杂市场博弈、评估管理层等非标准化信息、以及进行基于长期商业洞察和经验的主观判断上的核心作用。因此，当前AI在资产配置中更多扮演着“增强型工具”的角色，通过人机协同提升效率与广度，但在关键决策和风险把控上仍需借助人类的智慧与经验。 在投研运用中，不同大模型拥有不同的擅长领域，需要借助MCP等实现兼容并举、协同发力。在处理文本（如新闻点评）时，对关键点的把握存在显著差异。在图像识别方面，AI能识别股指图表的基本信息（如走势、点位），且在信息不足时倾向于依赖网络信息给出相似结论。为有效利用AI，可以从其机制与缺陷（如上下文长度限制）出发，通过：1）“适时总结”或搭建“个人知识库”增强记忆力；2）善用工作流规范化AI输出，结合知识库与网络信息；3）利用MCP等协议加强AI与外部工具、数据的协同能力，以更好地服务于投研工作。 总的来看，人工智能正通过多样化的应用形态渗透到金融领域的各个环节之中，其核心作用体现在提升效率、拓展分析维度和优化决策流程上。但其目前仍难以完全取代人类的关键判断和风险承担，其投资决策严格依赖于人为投喂的投研框架、数据和文本语料，在应对复杂、非结构化信息时表现较弱，目前只能扮演着强大的辅助工具而非完全独立的决策者角色。在国产大模型实现自主可控、算力平权基础上，成体系的框架持续积累迭代，并通过人工智能加速器成倍放大，打破机构机构与投资者间信息和技术壁垒，助力投研平权的加速推进。 风险提示：AI模型局限与数据依赖风险；技术应用效果差异风险；市场与技术迭代风险。 证券分析师：王开联系人：郭兰滨 021-60933132010-88005497 wangkai8@guosen.com.cnguolanbin@guosen.com.cnS0980521030001 基础数据 中小板/月涨跌幅(%) 6453.32/-2.41 创业板/月涨跌幅(%) 2065.40/-5.97 AH股价差指数 133.54 A股总/流通市值(万亿元) 79.49/73.21 市场走势 资料来源：万得、国信证券经济研究所整理 相关研究报告 《策略数据说-美股“盈利预喜”拆解》——2025-04-05 《价格全方位多维跟踪体系（2025年第三期）-有色引领上游价格回暖》——2025-04-03 《ESG月度观察（2025年第3期）-绿证市场迈入高质量发展阶段》——2025-04-03 《资金跟踪与市场结构周观察(第五十九期)-交投分散趋势延续》——2025-04-01 《AI赋能资产配置（十）-善用DeepSeek重现经典投资策略》— —2025-04-01 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 理论与实战：AI全方位赋能宏观、中观和微观的投研实践4 AI赋能资产配置系列回顾4 AI+模型：在高维参数基础上实现进一步迭代优化6 AI难以完全取代传统投研范式：为什么DeepSeek时代，资深研究员的分析框架积累更为重要7 DeepSeek是提质增效的“辅助驾驶”工具，助力更加高效完成投研工作8 部署和应用：AI赋能对冲基金、量化交易的落地实施10 AI+对冲基金：构建投研智能体辅助配置决策10 AI+量化交易：人工智能优化投资决策中的主观性13 AI能力特化：关注针对金融领域微调的专属大模型15 AI+投研落地：AI在实战中战胜基准16 评测与结论17 缩短AI与投研的距离：探索AI工具的能力边界17 如何在金融投研中用好AI：一些使用技巧的抛砖引玉20 结论：从算力平权到投研平权21 风险提示23 图表目录 图1：国产大模型弯道超车：从性价比到质价比的全方位梯队4 图2：类比全球资配加主动投资：让渡一定回报、大幅降风险4 图3：AI发展与回报率6 图4：DeepSeek+资产配置体系6 图1：股债强弱打分指标胜率展示7 图2：实际股债强弱vsDeepSeek调整7 图3：实际股债强弱vsXgboost调整7 图4：实际股债强弱vs等权重扩散指数（未调整）7 图5：高频数据相关性及领先性的一个计算框架8 图6：高频数据近期和长期相关性的一个筛选框架8 图7：前瞻指标的编制——最优领先期拟合8 图8：高频数据对广谱利率的动态测算过程详解8 图9：全球领先指标的构建脉络9 图10：前瞻指标的编制——最优领先期拟合9 图11：高频数据和宏观数据间领先相关性观测矩阵9 图12：传统前瞻指标计算界面具有一定复杂性10 图13：AI数据终端-OpenBB11 图14：AIHedgeFund案例参考12 图15：A股投资智能体案例13 图16：Qlib整体架构概览14 图17：QBot界面分析15 图18：Fin-R1的总体工作流程16 图19：Fin-R1在金融领域评分已达主流模型水平16 图20：MinotaurCapital推出以AI为招牌的产品17 图21：上传分时图（4.2日10：09分）19 图22：上传蜡烛图（4.2日10：09分）19 图23：QBot界面分析19 图24：DeepSeek模型上下文长度20 图25：个人知识库搭建示意图20 图26：知识库检索的基本原理21 图27：MCP协议示意图21 理论与实战：AI全方位赋能宏观、中观和微观的投研实践 AI赋能资产配置系列回顾 DeepSeek模型的弯道超车，是国产大模型算力平权的标志性事件。于DeepSeek-R1而言，在数学能力、工程类代码场景不输于OpenAIO1的情况下，在算法场景、百科知识维度下与O1差距不断缩小。如果我们用质价比逻辑解释，DeepSeekR1追求大模型领域的消费者剩余最大化。B端质价比提升的叙事逻辑。不同于泛消费领域C端“质价比”从供给层面驱动企业内卷品质，销售费用率短期内延续高位并阻碍净利率提升，国产大模型B端质价比提升驱动下游应用爆发式增长,同时反哺B端收入并提升C端利润率。类比于海外资产配置中同样隐藏的“质价比”，质的维度是风险、价的维度是回报，“资配质价比”即为风险收益或持有体验。传统股债基础上加入主动股基，让渡一定的回报、大幅降风险，实现“资配质价比”提升。随着算力平权时代的到来，我们也关注投研平权的加速落地。 图1：国产大模型弯道超车：从性价比到质价比的全方位梯队图2：类比全球资配加主动投资：让渡一定回报、大幅降风险 资料来源：DeepSeek，JPMorgan，U.S.GlobalInvestors，国信证券经济研究所整理 资料来源：万得，国信证券经济研究所整理 DeepSeek通过AI技术深度赋能资产配置全流程，在国信多元资产配置框架基础上实现系统性优化（《AI赋能资产配置（一）——DeepSeek对国信多元资配框架的优化》）：一方面聚焦AI对传统策略的革新，基于“风险再平价”逻辑重构资产组合风险分散机制（《AI赋能资产配置（三）——DeepSeek与风险“再平价”》），结合大盘择时与行业轮动模型动态捕捉市场拐点（《AI赋能资产配置 （四）——DeepSeek在大盘择时与行业轮动中的应用》），并通过DeepSeek语义分析技术解析货币政策文本，精准预判政策取向（《AI赋能资产配置（七）— —乘风DeepSeek理解货币政策取向》）；另一方面重塑ESG投资范式（《AI赋能资产配置（二）——AI重塑ESG投资范式》），将AI驱动的ESG因子动态嵌入资产配置框架，构建兼顾收益与可持续性的“有效前沿”（《AI赋能资产配置 （九）——DeepSeek打造ESG有效前沿》），并推出《AI赋能资产配置（五） ——AI+ESG投研实践工具书》为策略落地提供方法论支持。同时，以“实战解答”形式，重点分析了DeepSeek赋能政策信号量化、数据处理方法、AI投研应用及其在金融市场中的具体落地方案（《AI赋能资产配置（八）——DeepSeek在资产配置中实战解答》），其成果在海内外资管机构的大模型应用探索中展现显著优势（《AI赋能资产配置（六）——海内外资管机构AI大模型应用探索》）， 形成从理论构建到全球多市场定量落地的闭环体系。在《AI赋能资产配置（十）善用DeepSeek重现经典投资策略》中，我们应用DeepSeek展开投资范式的跨时空对话。 通过在传统的主被动资产配置、大盘择时行业和风格轮动策略中，嵌入DeepSeek来赋能投研，实现提振增效、金融与科技共振： 1.底层架构：股票、债券、商品等大类资产的择时和配比 1）自上而下的主动投资框架中，给DeepSeek输入国信总量团队多年积累的资产配置框架，联网输入相关数据，通过静态样本学习和动态实战纠偏来评判当前和未来适用于哪种资产配置模型，AI学习挖掘出和一段时间内宏观政策环境、市场情绪走势最为贴近的模型赋予最高的评判权重。 2）在宏观数据预测方面，将国信总量分析师对宏观经济数据的预测体系通过自然语言形式输入DeepSeek，通过学习和迭代来外推未来6-12个月的宏观经济数据走势，确保准确度的基础上，效率也大幅提升； 3）被动投资角度，对当前热议的风险平价模型进改良优化，其一是给DeepSeek喂入历史的宏观经济、资本市场等指标，结合联网检索获取分析师对市场最新观点，在确保风险贡献大致相同前提下，对当前经济周期进行精准定位并浮动相应资产权重，以风险预算思路构建Smartβ策略。其二是DeepSeek通过动态调整学习周期找到历史上相似的时段进行映射和推演，来选择最佳的回测时间窗口对当前提供借鉴。其三，在绑定相同指数的ETF中让DeepSeek结合溢价率、成交活跃度等指标进行学习筛选优中选优、增厚投资α。 2.A股策略应用：宏观大势和中观行业板块轮动比较 4）A股大盘择时方面，通过宏观、资金、情绪、技术、海外五个维度10余个指标构建A股市场打分模型，通过引入DeepSeek学习来给每一类模型和因子赋权，优化择时策略并进一步提升模拟组合的夏普比率、控制最大回撤。 5）A股行业轮动方面，DeepSeek对基于景气度、拥挤度、趋势的“三标尺”起到增强效果，在温和复苏的市场环境中可以放大赚钱效应、提高风险收益比。 3.情绪感知和落地：语义检索和学习、ESG信息网格 6）在政策深度学习理解维度，通过DeepSeek深入切入货币政策相关表述，对当前及未来一段时间货币政策是放松还是收紧进行感知迭代，将定性的词汇转为定量的、可持续跟踪的力度指数，在左侧拐点进行前瞻提示。 7）ESG+AI维度紧密融合，通过ESG+AI的工具案例，分析了AI在ESG跨国、跨语言、物联网高频数据感知的比较优势；同时结合ESG领