核心观点 - 报告指出，截至2026年5月22日，基于全频段融合因子构建的AI中证1000增强策略和基于大语言模型（LLM）的文本选股策略（LLM-FADT）在近期均遭遇超额收益回撤 [1][2] - 报告同时展示了AI行业轮动模型和主题/概念指数轮动模型的历史表现，并给出了未来一周的具体配置建议 [3][4] 全频段融合因子与AI中证1000增强策略表现 - 全频段融合因子由深度学习模型训练的高频因子与多任务学习挖掘的低频因子合成 [6] - 截至2026年5月22日，该因子TOP层相对全A等权基准今年以来超额收益为1.95%，自2017年初回测以来年化超额收益率为28.48%，5日RankIC均值为11.2% [1][6][8] - 基于该因子构建的AI中证1000增强组合本周超额收益为-1.48%，今年以来超额收益为-4.58% [1][8] - 该组合自2017年初回测以来，相对中证1000年化超额收益率为20.42%，年化跟踪误差为6.13%，信息比率为3.33，超额收益最大回撤为10.22%，Calmar比率为2.00 [1][8][10] - 组合构建采用周频调仓，成分股权重不低于80%，个股权重偏离上限0.8%，控制Barra暴露并限制换手率 [9] 文本LLM-FADT选股策略表现 - 文本LLM-FADT策略在大模型（LLM）辅助下，对研报标题及摘要进行“博观”解读，补充了标题新解、行情催化剂、“言外之意”、潜在风险、收益指引等额外视角 [12][13] - 截至2026年5月22日，该策略组合5月相对中证500超额收益为-2.5%，2026年以来超额收益为-1.6%，本周遭遇回撤 [2][16] - 自2017年初回测以来，该策略年化收益率为29.23%，相对中证500的年化超额收益为24.87%，夏普比率为1.14，信息比率为1.96 [2][16][21] - 与仅依赖原始文本的BERT-FADT策略相比，LLM-FADT策略总体更为稳定，超额回撤相对较小，且自2024年10月以来超额收益总体稳定跑赢BERT-FADT [22] AI行业轮动模型表现与推荐 - AI行业轮动模型使用全频段量价融合因子对32个一级行业进行打分，每周选取得分最高的5个行业等权配置 [3][26][32] - 截至2026年5月22日，模型自2017年初回测以来年化收益率为26.54%，相对等权基准年化超额收益率为19.44%，今年以来绝对收益为9.32%，超额收益为7.67% [3][30][33] - 模型未来一周（截至2026年5月22日数据）推荐持有煤炭、非银行金融、石油石化、消费者服务、银行5个行业 [3][33] - 模型同期得分前10的行业还包括食品、家电、交通运输、纺织服装、农林牧渔 [34] AI主题与概念指数轮动模型表现与推荐 - AI主题指数轮动模型对133个主题指数进行打分，每周选取得分最高的10个指数等权配置 [4][37] - 截至2026年5月22日，模型自2018年初回测以来年化收益率为16.18%，相对等权基准年化超额收益率为9.05%，今年以来绝对收益为3.24%，但超额收益为-3.11% [4][37][38] - 模型未来一周推荐持有的主题指数包括CS物流、国证油气、金融科技、中证旅游、中证影视等 [4][38] - AI概念指数轮动模型对72个概念指数进行打分，每周选取得分最高的10个指数等权配置 [41][45] - 该模型自2018年初回测以来年化收益率为21.43%，年化超额收益率为9.04%，但今年以来收益率为-1.33% [41] - 模型未来一周推荐持有的概念指数包括万得微盘股、乳业、水产、银行精选、煤炭等 [4][41]