基金季视点：DeepSeek读季报：Q1公募基金经理季度展望统计解析

基于检索增强技术的大语言模型对基金季报的全面解析 公募基金2025年一季报已披露完毕，我们已在2024年8月8日发布的《RAG-ChatGPT读季报：公募基金经理一致观点解析》报告中，利用大语言模型和检索增强技术的结合，构建起基金经理季报观点的分析框架。在本篇报告中，我们以OpenAI的GPT-4o模型和DeepSeek模型为分析工具，沿用了原有分析框架对基金经理一季报的观点进行了全面剖析。此外，我们对各样本逐个进行宏观、A股、行业和风格的标签提取，以更加定量化的方式展示基金经理的观点分布。 基金经理一季度对于宏观经济、A股市场的观点解析 我们以固收+、混合型FOF等类型基金的2025年一季度观点为研究对象，进行了整体性观点汇总与样本的观点类型分布统计。 基金经理们在经济增速、通胀、政策、内需、出口及外部环境等多个方面存在不同看法，反映出对中国宏观经济未来走势的多样化预期。我们对筛选出来的样本的宏观经济观点进行逐一进行分类，将基金经理对宏观经济形势的观点分成四类：看好、不看好、中性、无观点。我们统计了2024年报及2025年一季报中，这些基金经理各类观点的占比。 相比于2024年年报，2025年Q1的宏观经济观点中，持有中性观点的样本数量大幅增加，而持有看好观点的样本数量减少，持有看好及中性观点的样本占比共计73.07%，无关点的样本占比超过26%。 我们从市场结构、市场走势预期、上市公司业绩表现、估值、市场情绪、资金流等方面拆解了基金经理的观点，在这些维度上，基金经理们出现了差异性的观点。我们对筛选出来的固收+及混合型FOF基金经理的A股市场走势观点进行逐一进行观点分类，将基金经理对A股走势的观点分成四类：看好、不看好、中性、无。一季度无观点的样本增加，这可能与季报文本不及年报观点详细有关。而有观点的样本中，中性样本量大幅增加，看好类型的观点数量下降。持有中性及看好观点的样本占比54.04%，无关点样本占比超过44%。 基金经理对于各行业、风格的观点解析 我们对筛选的主动权益基金经理观点样本进行逐一分析，让DeepSeek给出基金经理未来看好的行业名称，按照“消费、医药生物、金融地产、TMT、制造、周期、新能源”等大板块进行分类，并在每一个大板块中列举了若干热门细分板块让DeepSeek进行选择。根据DeepSeek给出的标签，我们进行人工修正后，统计了各板块被看好的样本的数量。 2025年一季报中，看好占比从大到小依次是TMT、制造、消费、周期、医药生物、新能源、金融地产。从边际变化来看，相对于2024年报的观点，占比增加的板块为TMT、制造、周期、医药生物。 细分行业方面，人工智能、计算机、机械、机器人、汽车等行业受到更多的人看好。而从边际变化来看，计算机、机械、机器人、汽车、创新药、有色金属等行业，看好占比边际增加。 风格方面，在成长/价值/红利维度，看好成长风格的样本占比更高，达到34.94%。市值风格维度，看好小盘的基金经理占比最高，达到9.33%。 此外，我们也通过RAG的方式汇总了基金经理们在各行业板块的观点和选股逻辑。 风险提示 大模型输出的内容存在一定的随机性和准确性风险；受限于大模型的输入token量的限制以及向量数据库的检索原理，可能不能够覆盖全部基金经理的观点；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。 1、基于检索增强技术的大语言模型对基金季报的全面解析 公募基金2025年一季报已披露完毕，基金定期披露的季度报告中往往包含基金经理对报告期内投资策略和运作情况的分析，以及对宏观经济、市场走势、行业、风格等方面的展望和判断。我们已在2024年8月8日发布的《RAG-ChatGPT读季报：公募基金经理一致观点解析》和2024年中，利用大语言模型和检索增强技术的结合，构建起基金经理季报观点的分析框架。 Retrieval Augmented Generation(RAG，检索增强)是一种利用外部来源获取事实来增强生成式AI模型的准确性和可靠性的技术，它结合了信息检索和文本生成的自然语言处理技术，旨在提升生成文本的准确性和相关性。检索增强技术能够有效解决大量季报观点字数超大模型输入token限制问题。 图表1：基于检索增强技术的大语言模型对基金季报的分析流程 在本篇报告中，我们以OpenAI的GPT-4o模型以及DeepSeek-V3模型为分析工具，沿用了原有分析框架，并在此基础上对观点的分类汇总、提示工程、输出效果等方面进行了优化，对基金经理2025年一季报的观点进行了全面剖析。此外，我们对样本逐个进行宏观、A股、行业和风格的标签提取，以更加定量化的方式展示基金经理的观点分布。方案细节如下表所示： 图表2：操作细节 我们按照如下步骤来实现大模型对基金三季报整体观点的分析。 1）数据预处理：基金产品分类、筛选、去重，基金经理姓名与观点整合。 2）文本分块：我们采用固定分隔符进行文本分块，本次用的是换行符及句号。由于季报观点中的一段话中往往可能包括多方面的观点（例如宏观、行业），所以我们需要按语句进行分块，以便在后续检索过程中能够更加精确地检索到对应的语句，避免信息冗余； 3）向量化处理：我们使用了开源的“xiaobu-embedding-v2”模型进行文本向量化，将文本形式转化为数字向量形式； 4）知识库检索：对于不同的分析任务，例如宏观经济观点分析、A股走势观点分析、不同行业观点分析，我们设置了不同的检索语句，检索出相对应的文本内容； 5）提示词设计：对于不同的分析任务，我们分别设计不同的提示词，以便从季报观点中总结提炼出核心观点； 6）大模型处理：针对不同任务，我们选择了GPT-4o和DeepSeek-V3的API作为本次任务的分析工具。 我们对基金经理观点的详细筛选标准如下表所示： 图表3：基金经理观点的详细筛选标准 2、基金经理一季度观点全面解析：宏观经济、A股市场 2.1宏观经济观点 基金经理们在经济增速、通胀、政策、内需、出口及外部环境等多个方面存在不同看法，反映出对中国宏观经济未来走势的多样化预期。 图表4：2025Q1基金经理宏观经济主要观点 我们对筛选出来的固收+及混合型FOF基金经理的宏观经济观点进行逐一进行分类，将基金经理对宏观经济形势的观点分成四类：看好、不看好、中性、无观点。我们统计了2024年报及2025年一季报中，这些基金经理各类观点的占比。由于季报基金经理观点不及年报详细，因此出现了更多的无观点情况。这里的无观点指的是季报文本中完全没有关于宏观经济的观点，或者没有展望未来的观点只是回顾过去情况。 相比于2024年年报，2025年Q1的宏观经济观点中，持有中性观点的样本数量大幅增加，而持有看好观点的样本数量减少，持有看好及中性观点的样本占比73.07%。 图表5：宏观经济观点类型分布 2.2 A股市场观点 我们从市场结构、市场走势预期、上市公司业绩表现、估值、市场情绪、资金流等方面拆解了基金经理的观点，在这些维度上，基金经理们出现了差异性的观点。 图表6：2025Q1基金经理A股市场走势观点 图表7：A股市场观点类型分布 我们对筛选出来的固收+及混合型FOF基金经理的A股市场走势观点进行逐一进行观点分类，将基金经理对A股走势的观点分成四类：看好、不看好、中性、无。其中无观点代表没有对A股市场相关的观点，或者没有展望未来的观点只是回顾历史数据。 根据分类结果，2025年一季度无观点的样本增加，这可能与季报文本不及年报观点详细有关。而有观点的样本中，中性样本量大幅增加，看好类型的观点数量下降。持有中性及看好观点的样本占比54.04%。 2.3资产配置观点 我们汇总了固收+及混合型FOF基金经理的资产配置观点，从A股、债券、黄金、海外、风格、行业等方面进行了观点的拆解，结果如下表所示。 图表8：2025Q1固收+及混合型FOF基金经理资产配置观点 3、基金经理一季度各行业观点解析 3.1基金经理看好的行业分布情况 我们对筛选的主动权益基金经理观点样本进行逐一分析，让DeepSeek给出基金经理未来看好的行业名称，按照“消费、医药生物、金融地产、TMT、制造、周期、新能源”等大板块进行分类，并在每一个大板块中列举了若干热门细分板块让DeepSeek进行选择。 根据DeepSeek给出的标签，我们进行人工修正后，统计了各板块被看好的样本的数量。 2025年一季报中，看好情况占比从大到小依次是TMT、制造、消费、周期、医药生物、新能源、金融地产，超过60%的样本均看好TMT板块。从边际变化来看，相对于2024年报的观点，占比增加的板块为TMT、制造、周期、医药生物。 图表9：2025Q1基金经理看好的行业分布情况 对于细分行业，我们也统计了基金经理看好的细分方向。2025年Q1看好数量最高的20个细分行业如下图所示。人工智能、计算机、机械、机器人、汽车等行业受到更多的人看好，占比均超过20%。而从边际变化来看，计算机、机械、机器人、汽车、创新药、有色金属等行业，看好占比边际增加。 图表10：基金经理看好的细分行业分布情况 3.2消费行业观点解析 3.2.1消费细分行业观点 我们对消费行业细分板块进行了拆解，分别从美容护理、运动服饰、黄金珠宝、社会服务、食品饮料、家电、餐饮旅游、商贸零售等细分行业分析了基金经理的观点。 图表11：2025Q1消费细分行业观点 3.2.2消费行业内选股逻辑 我们总结了消费行业内部基金经理的选股逻辑。2025年一季度，基金经理在消费行业选股逻辑涵盖结构性机会的考虑，关注政策推动和周期性反转带来的投资机会，看好行业内龙头企业的估值修复空间，也在关注情绪消费、体验经济、消费升级、渠道变化及产品创新等方面。 图表12：2025Q1消费行业内选股逻辑 我们也让大模型筛选出了几个典型的基金经理在消费行业的选股逻辑。 图表13：部分基金经理在消费行业内的选股逻辑 3.3TMT行业观点解析 3.3.1行业细分板块的观点解析 我们对TMT行业细分板块进行了拆解，分别从人工智能、消费电子、半导体、通信与5G、计算机与互联网、传媒、游戏等行业分析了基金经理的观点。 图表14：TMT板块细分行业观点汇总 3.3.2行业内选股逻辑 基金经理在TMT板块内的选股逻辑主要围绕TMT行业的不同细分领域，尤其是AI硬件及应用、半导体、消费电子等领域。 图表15：TMT行业选股逻辑总结 我们也让大模型筛选出部分典型的基金经理在TMT行业内的选股逻辑。基金经理普遍关注AI相关的投资机会。 图表16：部分基金经理在TMT行业内的选股逻辑 3.4医药行业观点解析 3.4.1医药行业细分板块的观点解析 我们对医药行业细分板块进行了拆解，分别从创新药、AI医疗、医疗器械、中药、医药流通、医院与医疗服务等多个细分行业分析了基金经理的观点。 图表17：2025Q1医药行业细分观点 3.4.2行业内选股逻辑 医药行业内基金经理对不同细分板块有着不同的选股逻辑。创新药板块，基金经理关注技术创新、创新药出海涉及的海外授权与国际市场，关注创新药的政策支持情况。而医疗设备与医疗器械方面关注技术升级与国产替代、政策环节与支付改革企情况。 ChatGPT也给出了几个医药行业基金经理的具体选股逻辑，均提及了创新药的投资机会。 图表18：部分医药基金经理选股逻辑 图表19：医药行业内选股逻辑 3.5金融地产行业观点解析 3.5.1行业细分板块的观点解析 我们对金融地产行业细分板块进行了拆解，分别从银行、证券、保险、房地产等行业分析了基金经理的观点。房地产板块，有基金经理认为房地产行业显示出消费升级的特征，行业整体供给侧出清充分，市场需求政策加码可能性增加，估值低位，具备良好的配置价值。 图表20：2025Q1金融地产细分行业观点 3.5.2行业内选股逻辑与关注点 我们总结了金融地产行业内基金经