文章核心观点 - 文章核心观点是提出一种创新的量化投资策略，通过将高频新闻情绪数据与DeepSeek大模型结合，构建行业与风格的映射关系，并设计算法将高频新闻信号与低频传统风格轮动模型相结合，旨在更有效地捕捉由事件驱动的短期市场风格切换机会，从而提升策略在高波动市场环境中的适应性和超额收益能力 [1][6][28] 传统低频风格轮动模型的局限性 - 近期市场风格切换频繁，例如2025年1月20日DeepSeek-R1发布后，催化了春节后A股市场风险偏好向成长与科技板块切换，2025年2月1日至26日科创50指数涨幅达17.98% [2][7] - 2024年至2025年初市场已出现三次显著风格轮动，均与关键时点的事件冲击高度关联 [2][7] - 传统低频风格轮动模型（如月度调仓）因信号钝化滞后、调仓周期固定，难以有效捕捉由突发性事件或政策催化引发的、交易情绪快速迭代的短期风格切换机会 [2][6] - 传统四象限风格轮动模型在月度调仓频率下，对短期市场结构变化的响应滞后，例如2025年1月因DeepSeek发布等突发外生事件引发风格切换时难以及时调整 [10] - 传统模型在单一维度（如成长/价值）的判断胜率可能不稳定 [11] 高频新闻信号模型的构建与表现 - 使用DeepSeek-R1模型构建行业与成长/价值风格的映射关系，以解决行业舆情向风格传导的逻辑模糊性问题 [3][15] - 通过DeepSeek将数库的115个行业映射为45个成长行业、52个价值行业和18个中性行业，并仅使用权威性排名前20的新闻来源数据以提高信噪比 [17] - 基于新闻情感数据构建的纯新闻热度风格轮动策略表现优异，其中采用长短期均线法（5天均线与20天均线交叉）构建的反转信号效果最佳 [3][18] - 该最优新闻策略在样本内（2020年1月-2023年12月）相对等权基准超额收益为5.54% [3] - 该最优新闻策略在样本外（2024年1月-2025年2月）年化收益达29.69%，相对等权基准年化超额收益达14.49%，超额盈亏比为2.32 [3][18] - 新闻策略在2020年初、2022年初、2024年9月底及2025年2月初等关键风格切换时期表现出较高的有效性 [19] 复合策略的设计与卓越表现 - 设计了三种判断何时使用高频新闻信号的切换算法：1）极端得分捕捉；2）市场波动驱动；3）舆情脉冲响应 [4][24] - 采用方法一（极端得分捕捉）的复合方式效果最佳，即当新闻成长价值得分（5日均值）处于其20日滚动窗口的90%分位数以上或10%分位数以下时，切换使用新闻信号观点 [4][27] - 复合策略实现了“1+1>2”的效果，全样本（2020年1月-2025年2月）年化超额收益达11.1% [1][26] - 复合策略样本内年化超额收益为8.8%，样本外年化超额收益达20.1% [4][27] - 复合策略相对于纯新闻策略，超额收益率提高了3.4个百分点，超额回撤减少了3个百分点，总超额胜率达到58.3% [4][26] - 2024年以来，复合策略表现优异，超额收益超20%，周度胜率达到65% [1][27]