AI 赋能资产配置（二十六）：AI ”添翼“：大模型增强投资组合回报

AI“添翼”：大模型增强投资组合回报 策略研究·策略解读 证券分析师：王开021-60933132wangkai8@guosen.com.cn执证编码：S0980521030001 证券分析师：陈凯畅021-60375429chenkaichang@guosen.com.cn 执证编码：S0980523090002 核心观点： ①本报告围绕三类代表性AI资管产品开展复盘对照：AIEQ、ProPicks、QRFT，回答AI能否为投资者带来超额收益。②从结果看，当前海外AI资管产品总体提质增效但不宜过度“神化”：以情绪流为代表的主动型ETF AIEQ长期跑输SPY，关键在于受到市场情绪波动较大，且费率与极高换手带来成本侵蚀；订阅性产品ProPicks在科技顺风期收益突出，但对执行纪律与滑点高度敏感，实际复现难度较高；AI增强行ETFQRFT长期与标普接近，阶段性强弱分化明显，更偏窄幅增强而非稳定高Alpha。③结论上，AI更可靠的价值在提升信息处理效率与投研流程标准化，而非保证持续战胜指数；判断产品靠不靠谱应优先看三点，长期相对基准是否有净超额，费率与换手后的收益是否仍成立，信号与业绩披露是否可复盘、可验证。 一、AI驱动型资产管理：进展与案例 全球金融市场的演进史，在某种程度上是一部计算能力与数据处理能力不断博弈的历史。从早期的格雷厄姆式基本面分析，到20世纪80年代兴起的以西蒙斯大奖章基金为代表的量化投资，再到如今2025年全面爆发的AI驱动型资产管理，投资决策的产生机制发生了根本性的范式转移。这种转移并非简单的技术迭代，而是认知维度的升维。 传统的量化投资，尽管使用了复杂的数学模型，但其核心逻辑依然主要依赖于线性回归、统计套利以及人类研究员预先设定的因子库。在这种“人类假设驱动”的模式下，计算机的角色更接近于一个极其高效的计算器，它验证并执行人类的逻辑。然而，随着非结构化数据的爆炸式增长——包括社交媒体情绪、卫星图像、高管电话会议的语调、甚至是供应链的物联网数据——传统量化模型面临着维度灾难。 伴随着生成式AI和大语言模型的成熟，金融市场迎来了“AI驱动”的资产管理时代。与传统量化不同，新一代AI选股策略——如本报告将深入探讨的AIEQ、InvestingPicks以及QRFT——采用了深度学习、强化学习以及自然语言处理技术。这些系统不再仅仅是执行规则，而是具备了从海量噪音中“涌现”出新规则的能力，它们能够识别出人类分析师无法察觉的非线性市场模式和微观相关性。本文通过深入探讨AIEQ、InvestingPicks以及QRFT等AI驱动的资产管理案例，探讨AI驱动资产管理的进展及表现。 二、案例1：AIEQETF介绍 2.1AIEQETF——AI赋能投资策略的基本介绍 AmplifyAIPoweredEquityETF(AIEQ)是AI在ETF领域应用的先驱。该基金于2017年10月17日成立，是全球首只完全由人工智能系统进行主动管理的ETF。其底层框架由EquBotLLC开发，并以IBMWatson的认知计算平台作为算力与NLP支撑。AIEQ的投资方法体现了AI选股体系中的“信息驱动”路径——通过对全市场信息环境进行高频、全覆盖的扫描与情绪解读构建投资组合。与传统基金经理依赖人工阅读有限数量的研究报告不同，AIEQ的模型每天会处理数百万份非结构化文本，包括监管文件、财报新闻稿、全球新闻源，以及占比愈发重要的社交媒体与论坛讨论。其核心优势来自自然语言处理（NLP）能力。模型尝试识别文本中的情绪方向与语境差异，从噪声中提取具有预测意义的信号，并将情绪因子与宏观变量、企业基本面指标进行融合。基于上述多源数据，系统动态优化并生成约30–200只股票的组合，目标是在市场情绪产生边际变化之前捕捉被低估、具备潜在情绪催化的标的，从而实现超额收益。 资料来源：AIEQ，国信证券经济研究所整理注：数据截至2025年11月21日 资料来源：AIEQ，国信证券经济研究所整理风险提示：本文中出现的产品仅作为案例列举梳理，不作为任何投资推荐依据，下同 2.2实盘绩效深度剖析 尽管AIEQ的技术概念极具前瞻性，但其长期的实盘业绩却揭示了AI战胜市场的难度。截至2025年11月的数据，我们对其绩效进行了多维度的对比分析。 （1）短期与中期回报分析 截至2025年11月22日，AIEQ的2025年初至今（YTD）回报率约为9.38%。在绝对收益上，这是一个正向的结果，表明基金为投资者赚取了利润。然而，投资的评价核心在于相对收益。同期，基准的标普500指数（通过SPYETF衡量）的YTD回报率约为12.45%。这意味着，在2025年这个对于美股而言相对不错的年份里，AIEQ实际上跑输了市场基准约3个百分点。此外，2025年中，除了二月、五月AIEQ的表现略高于SPY，其余月份都未超过SPY的收益率。对于一只主动管理型基金而言，这种幅度的落后是显著的，特别是考虑到其持仓风格本身偏向科技和成长，理应在牛市中表现出更强的攻击性。 （2）长期累积回报与阿尔法衰减 将时间轴拉长，AIEQ的劣势更为明显。1）1年期表现：AIEQ回报约为+6.15%，而标普500同期回报为+11.00%。2）5年期表现：AIEQ累计上涨约+33.85%，而标普500同期涨幅高达+85.61%。3）成立以来表现：自2017年成立以来，虽然AIEQ实现了正收益，但其总回报率显著落后于被动指数。下表总结了AIEQ与基准指数的关键绩效对比： 资料来源：GoogleFinance，国信证券经济研究所整理 2.3换手率与成本摩擦：高频调仓的双刃剑 AIEQ业绩承压的一个关键内因在于其极高的换手率。数据显示，AIEQ的年换手率达到惊人的1159%。这种超高频的交易模式，折射出其底层AI模型对当下社交媒体驱动的短暂市场情绪极度敏感，为了捕捉微小的套利空间而不停地进行买卖操作。然而，这种策略在ETF结构中存在天然劣势：一方面，虽然美股基础交易佣金很低，但在如此极端的换手频率下，买卖价差和市场冲击成本“积少成多”，会严重侵蚀基金净值；另一方面，极高频的短线操作不仅可能削弱ETF通常具备的税务优势，更关键的是，频繁调仓阻断了“以时间换空间”的长期复利效应积累。 截至2025年，AIEQ的资产管理规模（AUM）维持在1.14亿美元至1.17亿美元之间。对于一只已经运行了近8年的ETF来说，这个规模增长是停滞甚至令人失望的。相比之下，顶级科技ETF的规模动辄数 百亿美元。规模的停滞反映了机构投资者和个人投资者对其长期跑输大盘的失望情绪。 在持仓方面，尽管由AI决策，AIEQ的前十大持仓依然经常出现熟悉的科技巨头面孔，如NVIDIA、Microsoft、Apple等。这表明，即便是AI也无法忽视这些巨头在当前经济结构中的核心地位。但除此之外，AI也会配置一些非共识性的股票，如GEVernovaInc.(2.43%)或GoDaddy(1.90%)，试图通过这些独特的选股来创造超额收益。然而，从结果来看，这些独特配置并未能弥补高费率和高换手带来的损失。 三、案例2：InvestingProPicks——人机协同的信号订阅服务 3.1从“托管”到“赋能”：ProPicks的模式创新 与AIEQ将AI封装在黑箱ETF中不同，Investing推出的ProPicks代表了另一种AI参与投资的路径——信号订阅。这实际上是SaaS模式在投资领域的延伸。Investing利用其庞大的历史数据库，结合AI算法，为订阅用户提供每月的选股名单，用户拥有最终的执行权。平台宣称使用了覆盖超过25年的全球上市公司历史金融数据，并在模型中引入50余项财务指标，对股票进行系统性评估。AI模型会根据这些指标将股票划分为跑输、中性、跑赢等不同等级，并剔除价格极低、流动性较差的标的，然后按主题或标准生成策略组合。其本质上是一个AI驱动的“超级选股生成器”，通过分析庞大的财务数据和市场信息，找出有潜力的投资机会的模式和趋势。 用户在界面上看到的是一系列策略组合卡片，例如以科技龙头、价值因子等、名人持仓（例如巴菲特）为特征的组合，每条策略都提供了较为完整的历史回测结果以及自2023年10月成立以来至今的AI策略的实盘收益率。历史回测设定，假设以等权重买入并持有全部成分股，并考虑股息再投资的结果。历史回测结果包括不同持有期限（如1年、3年、5年）的累计收益和与标普500的对比表现。通常还会说明策略的大致构建原则和调仓频率，例如按月或按季度定期再平衡。用户可以查看策略表现和部分构成信息，但要获取完整成分股列表及更详细的数据则需要专项订阅，该系统会提示用户买入和卖出的名单。 3.2惊人的实盘回报与“科技牛市”的共振——以TechTitans为例 Investing的“TechTitans”（科技巨头）策略是其核心功能ProPicks旗下的一项旗舰投资策略，旨在利用先进的人工智能技术帮助投资者把握科技行业的机遇。该策略通常包含约15支左右经过严格筛选的科技板块股票（数量可能会随市场情况在10到20支之间小幅波动）。Investing会根据最新的财报和市场数据每月进行一次再平衡，剔除不再符合标准的公司，并调入新的具有更高潜力的科技股。TechTitans自2023年10月正式上线以来，其公布的业绩表现令人咋舌，展现了AI在顺势行情中的爆发力。截止北京时2025年11月24日，TechTitans策略累计回报率为98.7%，超过了同期S&P500的收益率43.7%，获得约55%的惊人超额收益率。 资料来源：Investing，国信证券经济研究所整理 这种超额收益主要得益于AI成功捕捉到了几只现象级的牛股。例如，该策略在SuperMicroComputer(SMCI)的主升浪期间（2024年1月至2024年7月）持有该股，实现了+185.8%的回报；在MicroStrategy(MSTR)上（2023年10月至2024年5月）实现了+94.9%的回报。 此外，Investing官网还会持续公布策略近期捕捉到的关键股，并给出其买进及卖出的时间、获利详细信息，给投资者作参考。 资料来源：Investing，国信证券经济研究所整理 资料来源：Investing，国信证券经济研究所整理 本研究总结了2024-2025期间，TechTitan关键持仓操作及其获利逻辑。 3.4归因分析 基于对超过两年实盘表现及更长周期历史回测数据的系统梳理，我们判断，TechTitans策略的超额收益并非来自简单的价格动量追逐或高杠杆暴露，而是源于一套嵌入基本面约束的量化择时框架。该框架围绕人工智能产业链展开，较好地把握了不同时点的价值传导路径：2024年初阶段重点布局算力基础设施环节（如SuperMicroComputer，区间涨幅约+185%）；2024年中期阶段逐步轮动至电力与能源供给环节（如VistraEnergy，涨幅约+82%）；到了2024年末及2025年，则更多配置于处于价值修复与应用落地阶段的标的（如ViaSat，涨幅约+164%），形成了自上而下贯穿“算力—能源—应用”的配置链条。 与采用市值加权的QQQ相比，TechTitans采取等权重构建组合，在组合层面有效弱化了对超大市值龙头的被动拥挤交易，同时充分利用了中盘成长股更高的弹性与贝塔暴露。从收益归因来看，在选股与轮动方向本身贡献收益之外，更为关键的是策略在卖出端的纪律化约束——即在价格动量尚未见顶之前，基于估值与基本面性价比提前减持或剔除标的（例如在SMCI大幅下跌前已基本完成退出）该部分“理性止盈”机制贡献了约40%的相对超额收益。这说明，在止盈与风险控制环节，依托AI的规则化决策正在形成区别于传统人类基金经理主观判断的核心竞争优势。 3.4订阅型AI策略费用与复现难点 ProPicks的商业模式决定了其参与门槛与传统ETF完全不同。首先，在费用结构上，用户需订阅Investing服务才能获取策略信号，年付优惠后通