AI赋能资产配置（三十五）：AI来“接管”投资时钟

核心观点 资产配置研究·专题报告 基于改良版投资时钟框架，围绕数据投喂、图片投喂、逻辑投喂三条技术路径，对AI的宏观周期识别能力进行了对比实验，并以分析师划分作为基准，从逐月阶段一致性、阶段稳定性、周期叙事完整度三层维度进行评估。结果表明，AI在该类任务中的表现差异并非简单取决于模型能力强弱，而更取决于技术范式与宏观问题结构的匹配度：数据路径易被噪声牵引、图片路径更利于构建中期框架但存在平滑陷阱，逻辑/智能体路径能够高效对齐共识但并不等同于独立推演能力。1.数据投喂：工程化判别放大噪声，导致周期碎片化与回撤式反复 证券分析师：王开021-60933132wangkai8@guosen.com.cnS0980521030001 基础数据 中小板/月涨跌幅(%)8883.33/9.51创业板/月涨跌幅(%)3349.50/4.51AH股价差指数119.63A股总/流通市值(万亿元)102.85/93.98 在纯数据驱动路径下，模型倾向于把任务理解为逐期依据数值规则分类，从而对月度边际变化高度敏感，表现为阶段频繁切换、周期轮数被过度切割、同一轮内阶段回跳明显。该现象并非模型推理不足，而是宏观周期识别的非工程属性在数据口径下被放大：宏观数据噪声与频率错配客观存在，政策—经济之间存在滞后与博弈期，周期识别更像中期叙事而非逐月最优分类。在资产配置语境中，这类结果意味着更高的调仓摩擦与更低的策略可操作性，即便局部时点判断“方向正确”，也难以形成稳定的中期配置框架。 2.图片投喂：形态感知替代数值阈值，提升轮廓一致性但需警惕平滑陷阱图片投喂路径的优势，核心在于多模态模型通过对斜率、波峰波谷相对位置、多指标空间关系的整体感知，天然完成趋势优先、弱化噪声的滤噪过程，从而在周期轮廓与阶段顺序上更接近分析师框架，阶段切换密度也显著降低，更利于构建可用于大类配置的中期叙事。与此同时，这一路径的有效性具有阶段依赖性。当后宏观环境从寻找趋势转向识别断裂，脉冲式政策冲击与结构性断点增多，视觉路径的平滑机制可能转化为平滑陷阱，对突发拐点反应滞后。因此，图片路径更适合用于周期框架与趋势轮廓的刻画，而不宜被理解为对所有阶段边界的精确切割器。 资料来源：Wind、国信证券经济研究所整理 相关研究报告 《策略周报-行情结束的信号出现了吗？》——2026-01-24《策略专题-长线稳定型外资加仓AH高景气板块——2025Q4股市外资季度动向跟踪》——2026-01-22《大类资产配置专题-穿越AI叙事的全天候组合》——2026-01-21《策略周报-活跃资金流入，长线资金流出——1月第2周立体投资策略周报》——2026-01-19《策略周报-股市流动性的最新变化》——2026-01-17 3.逻辑投喂/智能体：高一致性更多源于共识对标，而非独立宏观推演 逻辑投喂路径在准确率维度表现更优，且在轮数与大周期识别上能够与人工结果高度对齐。但需要区分这种一致性的来源：在具备搜索、工具调用与沙箱执行能力的模式下，模型往往通过主动检索权威结论、口径对标与证据整合来完成任务，其本质更接近研究流程加速器。该模式对形成统一口径、快速归纳共识具有显著效率优势，但并不等同于模型已经建立起对宏观机制的独立推演能力。同时，检索与训练语料可能存在滞后、口径差异或事实错误，浏览器搜索也可能强化主流叙事，带来高度一致但逻辑脆弱的共识偏差。因此，这一路径的合理使用方式应是将AI产出作为输入与线索集合，并配合人工验真与方法约束，而非直接作为最终结论。 4.AI的合理定位是工具组合，关键在于任务适配与成本约束 综合来看，AI在宏观周期研究中的合理定位并不是替代分析师，而是作为工具嵌入既有投研流程，并根据任务属性选择最合适的技术路径。当任务是绝对量化、规则清晰、可审计复现时，数据/代码模式效率最高；当任务涉及趋势判断、阶段归类与复杂系统抽象时，多模态/视觉路径更具优势；当目标是对标共识、统一口径、快速整合证据时，具备搜索与工具调用能力的智能体更具性价比。理解并尊重这种任务适配性，才能真正实现降本增效——用轻量方法完成标准化处理，用多模态构建中期框架，仅在必要时调用高成本Agent进行对标与证据整合。 风险提示：1）AI逻辑刚性导致的误判风险；2）技术成本与收益不匹配风险;3)AI“共识偏见”风险 内容目录 1.改良版资产配置时钟框架的引入...............................................42.AI识别改良版投资时钟的路径实验设计.........................................53.AI识别改良版投资时钟的路径实验结果.........................................63.1.数据识别效果......................................................................63.2图片投喂效果......................................................................73.3逻辑投喂效果......................................................................94.AI识别投资周期的有效性评估................................................114.1.准确率识别评估...................................................................124.2.阶段稳定性评估...................................................................134.3周期叙事完整度...................................................................145.技术反思：AI认知通道差异、宏观周期识别边界与任务适配性....................155.1图片识别在特定阶段、以及周期划分更接近分析师直觉.................................155.2逻辑投喂的一致性，并不等同于独立分析能力.........................................165.3技术归纳：AI能力与任务适配性.....................................................16风险提示.....................................................................17 图表目录 图1：美林投资时钟理论中的经济周期........................................................4图2：改良版投资时钟的经济周期............................................................4图3：分析师对改良版投资时钟周期的拐点和阶段划分..........................................4图4：三类实验逻辑示意图..................................................................5图5：数据识别效果（2002-2013）...........................................................7图6：数据识别效果（2013-2025）...........................................................7图7：图片识别效果（2002-2013）...........................................................8图8：图片识别效果（2013-2025）...........................................................9图9：逻辑投喂效果（2002-2013）..........................................................10图10：逻辑投喂效果（2013-2025）.........................................................10图11：Manus完成任务的流程（2013-2025）..................................................11图12：AI识别与优化投资时钟方案和效果全景图..............................................12图13：AI和分析师在资产配置中角色从“人机协同”走向“人机共生”..........................16 表1：改良版投资时钟七阶段划分............................................................4表2：各类情景判定宏观经济周期的准确率对比...............................................13表3：各类情境下宏观经济周期的阶段稳定性对比.............................................13表4：各类情景下宏观经济周期划分的周期叙事完整度对比.....................................15 1.改良版资产配置时钟框架的引入 美林证券在2004年11月的一份报告中公布了著名的“投资投资时钟”，该报告利用美国1973~2004年的历史数据，使用OECD对“产出缺口”的估计作为经济指标，用CPI数据作为通胀指标，从经济和通胀两个维度识别1973～2004年美国实体经济在各个时期所处的阶段，将经济周期分为四个阶段，并发现在经济周期的每一个阶段，都有一类大类资产的表现明显优于其他资产，分别是：债券（衰退期）、股票（复苏期）、大宗商品（过热期）、现金（滞胀期）。 资料来源：荀玉根《荀玉根讲策略：少即是多》（2021），国信证券经济研究所整理 资料来源：MerrillLynch、国信证券经济研究所整理 但投资时钟框架在常在我国的应用表现不符，体现出“水土不服”。我们在传统投资时钟的基础上，引入了名义利率和实际利率两个流动性维度，将周期精细化为了7个阶段，其核心逻辑如表1所示。 根据上述划分方法，我们将2004年12月至2025年6月划分为7轮周期，2024年9月进入第7轮周期，目前仍在第7轮周期中。其具体划分见图3。 图3：分析师对改良版投资时钟周期的拐点和阶段划分 资料来源：万得，国信证券经济研究所整理 2.AI识别改良版投资时钟的路径实验设计 我们设计了三种实验路径，旨在测试AI对宏观周期的识别精度与泛化能力： （1）数据驱动识别：将通胀、增长、利率等原始数据（Excel表格）连同改良版时钟的逻辑定义直接投喂给AI，要求其识别2002年至今的周期区间及拐点。 （2）视觉形态识别：将已绘制好的宏观指标走势图投喂给AI，利用多模态视觉能力，要求其基于图表形态划分周期。 （3）自主代理识别：仅投喂改良版时钟的思想框架，要求AI自主寻找数据源、处理数据并完成周期划分。 资料来源：万得，国信证券经济研究所绘制 3.AI识别改良版投资时钟的路径实验结果 3.1.数据识别效果 在数据驱动识别实验中，我们分别通过Manus智能体识别方案和Chat