高频因子跟踪：Gemini 3 Flash等大模型的金融文本分析能力测评

大模型加速技术不断优化，相关模型金融文本分析能力测评 十二月以来，以“响应速度”作为优势的大模型出现了快速迭代：英伟达推出的Nemotron 3 Nano模型输出速度达到每秒358Tokens，是当前所有模型中响应速度最快的模型；小米推出MiMo-V2-Flash大模型是当前国产模型中速度最快，也是最具“性价比”的大模型；Gemini 3Flash在追求高输出速度的同时兼顾较强的模型智能，综合评价下成为当前模型首选。 我们以Nemotron 3Nano模型为案例，详细梳理其高速推理所需要的底层架构设计。同时，我们使用CFLUE基准对当前各款大模型在金融文本上的知识能力与应用能力进行了全面测评。整体来看，DeepSeek-V3.2 Speciale与Gemini3 Pro在中文金融文本上的表现最佳。 高频因子跟踪 我们对前期挖掘的高频选股因子进行跟踪测试，发现因子在样本外整体表现出色。就上周表现来看，因子表现有所回撤，价格区间因子多头超额收益率-1.00%，价量背离因子-2.21%，遗憾规避因子0.45%，斜率凸性因子0.66%。本月以来，价格区间因子多头超额收益率为-0.90%，价量背离因子-1.48%，遗憾规避因子1.47%，斜率凸性因子0.25%。今年以来高频因子表现整体都比较优秀，价格区间因子多头超额收益率4.56%，价量背离因子2.99%，遗憾规避因子0.42%。斜率凸性因子年度表现欠佳，多头超额收益率-5.54%。 其中价格区间因子衡量股票在日内不同价格区间成交的活跃程度，能体现出投资者对于股票未来走势的预期。该因子展现出了较强的预测效果，今年以来表现比较稳定。价量背离因子主要衡量股票价格与成交量的相关性，一般而言相关性越低，未来上涨的可能性越高。但该因子近几年表现一直不太稳定，多空净值曲线趋近走平，不过去年超额收益处于历史较高水平。遗憾规避因子通过考察股票当天被投资者卖出后反弹的比例和程度，展现了较好的预测效果。该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益。而斜率凸性因子则从投资者耐心与供求关系弹性的角度出发，刻画订单簿的斜率和凸性对预期收益的影响。 我们将三类高频因子首先等权合成后构建出了高频“金”组合中证1000指数增强策略，该策略年化超额收益率9.85%，超额最大回撤为6.04%。上周录得-2.06%的超额收益，本月以来超额收益为-1.64%，今年以来超额收益为5.26%。 为考虑进一步增强策略的业绩表现，我们将高频因子与三个比较有效的基本面因子进行等权合成构建出了高频&基本面共振组合中证1000指数增强策略，该策略在样本外超额收益稳定。上周录得-1.37%的超额收益，本月以来超额收益为-1.33%，今年以来超额收益率为5.24%。截止到上周，该策略的年化超额收益率为13.93%，超额最大回撤为4.52%。 风险提示 大语言模型输出结果具有一定随机性的风险，模型迭代升级、新功能开发可能会导致结论不同；人工智能模型得出的结论仅供参考，可能出现错误答案的风险。以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。 内容目录 一、大模型加速技术不断优化，相关模型金融文本分析能力测评.......................................41.1底层架构优化显著提升大模型响应速度——以Nemotron 3模型为例............................41.2 Gemini 3 Flash及其他模型的中文金融文本分析能力对比....................................5二、高频因子超额收益概览.......................................................................8二、各类高频因子近期表现跟踪...................................................................92.1高频价格区间因子.......................................................................92.2高频量价背离因子......................................................................102.3遗憾规避因子..........................................................................122.4斜率凸性因子..........................................................................13三、基于基本面因子与高频因子构建的中证1000指数增强策略表现...................................15附录一：高频“金”组合中证1000指数增强策略本周持仓列表..........................................17附录二：高频&基本面共振组合中证1000指数增强策略本周持仓列表..................................18风险提示......................................................................................19 图表目录 图表1：大模型智能程度vs输出速度.............................................................4图表2：Nemotron 3 Nano模型架构...............................................................4图表3：NVFP4量化与BF16量化在多个测试集上效果保持一致........................................5图表4：Gemini-3-Flash能力显著超越2.5，与Gemini-3-Pro接近...................................6图表5：CFLUE金融应用评估数据集构成...........................................................6图表6：金融知识问答结果......................................................................7图表7：金融应用评估结果......................................................................8图表8：各大类高频因子近期在中证1000指数成分股的选股表现.....................................8图表9：价格区间细分因子近期在中证1000指数成分股的收益表现...................................9图表10：价格区间细分因子最近一周在中证1000指成分股的收益表现................................9图表11：价格区间因子净值曲线................................................................10图表12：价格区间因子近期在中证1000指数成分股的收益表现.....................................10图表13：量价背离细分因子近期在中证1000指数成分股的收益表现.................................10图表14：量价背离细分因子最近一周在中证1000指成分股的收益表现...............................11图表15：量价背离因子净值曲线................................................................11图表16：量价背离因子近期在中证1000指数成分股的收益表现.....................................12图表17：遗憾规避细分因子近期在中证1000指数成分股的收益表现.................................12 图表18：遗憾规避细分因子最近一周在中证1000指数成分股的收益表现.............................12图表19：遗憾规避因子净值曲线................................................................13图表20：遗憾规避因子近期在中证1000指数成分股的收益表现.....................................13图表21：斜率凸性细分因子近期在中证800指数成分股的收益表现..................................13图表22：斜率凸性细分因子近期在中证800指数成分股的收益表现..................................14图表23：斜率凸性细分因子净值曲线............................................................14图表24：斜率凸性细分因子近期在中证800指数成分股的收益表现..................................15图表25：高频“金”组合中证1000指数增强策略净值曲线............................................15图表26：高频“金”组合中证1000指数增强策略指标................................................15图表27：高频“金”组合中证1000指数增强策略近期表现............................................16图表28：高频&基本面共振组合中证1000指数增强策略净值曲线....................................16图表29：高频&基本面共振组合中证1000指数增强策略指标........................................16图表30：高频&基本面共振组合中证1000指数增强策略近期表现....................................17图表31：高频“金”组合中证1000指数增强本周持仓列表............................................17图表32：高频&基本面共振组合中证1000指数增强策略本周持仓列表................................18 一、大模型加速技术不断优化，相关模型金融文本分析能力测评 十二月以来，以“响应速度”作为优势的大模型出现了快速迭代： 1.2025年12月15日，英伟达推出了完全开源的Nemotron 3 Nano模型，其输出速度达到每秒358Tokens，是当前所有模型中响应速度最快的模型；2.2025年12月16日，小米推出MiMo-V2-Flash大模型，其每秒150 Tokens的输出速度叠加每百万Tokens 0.15元的费用，使其成为最具“性价比”的大模型，也是当前国产模型中速度最快；3.2025年1