核心策略表现 - 文本LLM-FADT选股策略2026年4月相对中证500超额收益2.8%，2026年累计超额收益2.0%[2][19] - 文本LLM-FADT策略自2017年初回测以来，年化收益率29.08%，相对中证500年化超额收益25.72%[2][19] - AI中证1000增强策略本周（截至2026年4月10日）超额收益为-3.37%，但今年以来超额收益为3.17%[3][9] - AI中证1000增强策略自2017年初回测以来，年化超额收益率21.61%，信息比率3.55[3][9][11] - AI行业轮动模型今年以来绝对收益12.11%，超额收益10.78%，自2017年初回测年化收益率27.25%[4][32] - AI主题指数轮动模型自2018年初回测年化收益率16.69%，年化超额收益10.00%[5][39] - AI概念指数轮动模型自2018年初回测年化收益率22.41%，年化超额收益9.99%[42] 因子与模型构建 - 全频段融合因子今年以来TOP层相对全A等权基准超额收益5.15%，自2017年初回测年化超额收益率29.32%[7][9] - 文本LLM-FADT策略在BERT-FADT基础上，利用大模型补充标题新解、行情催化剂等5类额外解读以构建更丰富文本特征[16] - AI行业轮动模型使用全频段量价融合因子对32个一级行业打分，每周选取得分最高的5个行业等权配置[4][34] 最新持仓与风险提示 - AI行业轮动模型未来一周（截至2026年4月10日）推荐持有商贸零售、钢铁、纺织服装、消费者服务、传媒行业[4][35] - 报告提示人工智能选股模型基于历史经验，存在失效可能，且模型可解释性较低[5][44]

AI量化投资策略核心表现 - AI主题指数轮动模型自2018年初回测以来年化收益率为16.44%，相对等权基准年化超额收益率为10.45%[1] - AI行业轮动模型自2017年初回测以来年化收益率为27.13%，相对等权基准年化超额收益率为20.47%，今年以来超额收益为13.08%[4] - AI概念指数轮动模型自2018年初回测以来年化收益率为22.22%，相对等权基准年化超额收益率为10.33%[40] 近期策略推荐 - AI主题指数轮动模型未来一周推荐持有中证红利、中证中药、上证金融、有色矿业、小康指数等10个主题指数[1] - AI行业轮动模型未来一周将持有贵金属、银行、食品、煤炭、酒类5个行业[4] - AI概念指数轮动模型未来一周推荐持有贵金属、银行精选、预制菜、医药商业精选、中药精选等10个概念指数[1][40] 核心因子与增强策略表现 - 全频段融合因子自2017年初回测以来，TOP层相对全A等权基准的年化超额收益率为29.48%，5日RankIC均值为11.4%[2][6] - 截至2026年4月3日，全频段融合因子今年以来TOP层相对全A等权基准的超额收益为5.87%[2][6] - 基于全频段因子构建的AI中证1000增强组合，自2017年初回测以来相对中证1000年化超额收益率为22.06%，信息比率为3.63，超额收益最大回撤为7.55%[2][8] - 该中证1000增强组合今年以来超额收益为5.67%[2] 文本增强选股策略表现 - 文本LLM-FADT选股组合在2026年3月相对中证500指数获得6.5%的超额收益[3] - 截至2026年4月3日，该组合4月相对中证500超额收益为0.8%，2026年累计超额收益为0.0%[3] - 自2017年初回测以来，文本LLM-FADT组合年化收益率为28.05%，相对中证500的年化超额收益为25.49%，信息比率为2.01[3][18] - 相比于仅依赖原始文本的BERT-FADT策略，LLM-FADT策略总体更为稳定，超额回撤相对较小，自2024年10月以来超额收益总体稳定跑赢BERT-FADT[21] 模型构建方法与细节 - AI行业轮动模型对32个一级行业进行周频调仓，每周选取得分最高的5个行业等权配置[4][31] - AI主题指数轮动模型对133个概念指数进行周频调仓，每周选取得分最高的10个主题指数等权配置，交易成本为双边万分之四[1][35] - AI概念指数轮动模型对72个Wind热门概念指数进行周频调仓，每周选取得分最高的10个概念指数等权配置，交易成本为双边万分之四[40][44] - 文本LLM-FADT策略借助大模型对研报文本进行“博观”解读，补充标题新解、行情催化剂、“言外之意”等额外视角，以生成更丰富的文本特征输入[12][15]

核心观点 - 报告展示了多种基于人工智能（AI）和深度学习模型的量化投资策略，包括文本选股、量价因子选股、行业轮动和主题/概念指数轮动，这些策略在历史回测中均取得了显著的超额收益 [1][2][3][4] - 核心策略均围绕“全频段量价融合因子”展开，该因子通过深度学习模型融合高频与低频市场数据构建，展现出稳定的选股能力 [6][36] - 近期（截至2025年12月26日）部分策略超额收益出现收窄或回撤，但长期历史表现优异 [1][2][7] 文本选股策略 (LLM-FADT) - 策略在前期BERT-FADT模型基础上，引入大语言模型（LLM）对分析师研报进行“博观”解读，补充了标题新解、行情催化剂、“言外之意”、潜在风险和收益指引五类额外文本信息，以丰富模型输入 [12][15] - 截至2025年12月26日，LLM-FADT组合本月相对中证500超额收益为-1.5%，今年以来超额收益为2.9%，本周出现回撤 [1][18] - 自2017年初回测以来，该策略年化收益率为29.05%，相对中证500的年化超额收益为26.56%，夏普比率为1.13，信息比率为2.08 [1][18][20] - 与仅使用原始文本的BERT-FADT策略相比，LLM-FADT策略表现更为稳定，超额回撤相对较小，且自2024年10月以来其超额收益持续跑赢BERT-FADT [1][21] 全频段量价融合因子表现 - 该因子通过深度学习模型训练27个高频因子得到高频深度学习因子，并利用多任务学习对低频量价数据进行端到端挖掘得到低频多任务因子，最终合成 [6] - 截至2025年12月26日，因子TOP层（即排名靠前的股票组合）今年以来相对全A等权基准的超额收益为19.98% [2][6] - 自2017年初回测以来，因子TOP层年化超额收益率为29.57%，5日RankIC均值为0.115 [2][6][7] AI中证1000指数增强组合 - 该组合基于全频段量价融合因子构建，采用严格的组合约束，包括成分股权重不低于80%、个股权重偏离上限0.8%、控制行业暴露等，并假设周双边换手率30%及双边千分之四的交易费用 [7][9] - 截至2025年12月26日，该组合本周超额收益为-0.40%，但今年以来超额收益高达24.24% [2][7] - 自2017年初回测以来，组合相对中证1000指数的年化超额收益率为21.89%，年化跟踪误差为6.05%，信息比率高达3.62，超额收益最大回撤为7.55%，Calmar比率为2.90 [2][7][10] - 回测期内，组合年化收益率为20.37%，而同期中证1000指数年化收益率为-1.53% [10] AI行业轮动模型 - 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个行业进行等权配置，执行周频调仓 [3][40] - 自2017年初回测以来，模型年化收益率为26.49%，相对行业等权基准的年化超额收益率为19.53%，超额收益最大回撤为12.43%，超额夏普比率为1.90 [3][38] - 截至2025年12月26日，模型今年以来收益率为29.13%，超额收益率为0.48% [38] - 模型预测未来一周（截至2025年12月26日）推荐持有的五个行业是：非银行金融、石油石化、饮料、钢铁、电力及公用事业 [3][41] - 同期行业得分前十名还包括交通运输、食品、建筑、家电和贵金属 [42] AI主题指数轮动模型 - 模型从133个主题指数池中，使用全频段量价融合因子对指数进行打分，每周选取得分最高的10个主题指数等权配置，执行周频调仓，交易成本为双边万分之四 [4][29] - 自2018年初回测以来，模型年化收益率为16.58%，相对等权基准的年化超额收益率为9.98%，超额收益最大回撤为20.79% [4][28] - 截至2025年12月26日，模型今年以来收益率为26.56% [28] - 模型预测未来一周推荐持有的主题指数包括：石化产业、300非银、深证红利、中证基建等 [4][28] - 同期模型得分前15的指数还涵盖中证旅游、新材料、建筑材料、央企创新、上证金融等 [30] AI概念指数轮动模型 - 模型从72个Wind热门概念指数池中，使用全频段量价融合因子进行打分，每周选取得分最高的10个概念指数等权配置，执行周频调仓，交易成本为双边万分之四 [33][35] - 自2018年初回测以来，模型年化收益率为22.29%，相对等权基准的年化超额收益率为9.84%，超额收益最大回撤为19.19%，超额夏普比率为0.84 [33] - 模型预测未来一周推荐持有的概念指数包括：保险精选、证券精选、万得微盘股、钢铁等 [33] - 同期模型得分前20的指数还包括银行精选、电力、农业、仿制药、万得低价股等 [34]