量化模型与构建方式 1. **模型名称**： 股债风险平价策略 * **模型构建思路**： 该策略旨在构建一个投资组合，使得股票和债券两类资产对组合整体风险的贡献度相等，从而实现更优的风险分散效果[82]。 * **模型具体构建过程**： 报告未详细描述该风险平价策略的具体数学构建过程、权重计算公式及回测参数设置。其构建是通过向OpenClaw下达自然语言指令完成的，OpenClaw自主设计了合适的工作流，匹配底层数据并生成了完整的策略代码与结果文件[82]。 * **模型评价**： 报告未对该模型进行定性评价。 量化因子与构建方式 1. **因子名称**： 基于调研的情绪分析与未来股价预期打分 * **因子构建思路**： 通过定期自动读取基金经理调研纪要等文本资料，分析其中的市场情绪，并对未来股价走势进行预期打分[86]。 * **因子具体构建过程**： 报告未提供该情绪因子的具体计算方法和量化公式。其构建是通过OpenClaw的定时任务功能实现的，设定AI每周自动读取指定路径下的调研资料，基于内容完成情绪分析与未来股价预期打分[86]。 模型的回测效果 （报告未提供任何量化模型的回测效果指标数据，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告未提供任何量化因子的测试结果数据，如IC值、IR、多空收益等。）

量化模型与构建方式 1. **模型名称**： 股债风险平价策略模型 * **模型构建思路**： 该模型旨在通过风险平价（Risk Parity）方法构建一个投资组合，其核心思想是让组合中不同资产（如股票和债券）对整体组合风险的贡献度相等，而非简单地按市值或资金等权重分配[82]。 * **模型具体构建过程**： 1. **数据获取**： 模型需要获取股票和债券的历史价格数据作为输入[82]。 2. **风险度量**： 计算各资产的历史波动率（通常用标准差表示）作为其风险度量。 3. **风险权重计算**： 根据风险平价原理，计算使各资产风险贡献相等的权重。对于包含N个资产的组合，目标是最小化各资产风险贡献的方差。一种简化的计算方法是，资产i的权重 $$w_i$$ 与其波动率 $$σ_i$$ 成反比，即 $$w_i ∝ 1/σ_i$$，然后进行归一化处理使得所有权重之和为1。 4. **组合构建**： 按照计算出的风险平价权重配置资产。 5. **回测执行**： 在历史数据上模拟该策略的运作，计算其收益、风险等指标[82]。 * **模型评价**： 该模型是经典的资产配置模型，旨在通过风险均衡来构建更加稳健的投资组合，降低对单一资产类别风险的暴露[82]。 模型的回测效果 *（报告中未提供该风险平价策略模型的具体回测数值结果，如年化收益率、夏普比率、最大回撤等指标。）* 量化因子与构建方式 *（报告中未涉及传统意义上的量化因子（如价值、动量、质量等因子）的构建与测试。）* 因子的回测效果 *（报告中未涉及量化因子的具体测试结果，如IC值、IR、多空收益等指标。）*

行业与公司 * **涉及的行业**：人工智能（AI）大模型与智能体（Agent）行业、云计算与算力行业[1] * **涉及的公司**： * **大模型/应用公司**：千问、豆包、元宝、智谱、Kimi（深度求索）[1] * **推荐关注的上市公司**：阿里巴巴、协创数据、宏景科技、海光信息、寒武纪、网宿科技、东方国信、首都在线、光环新网、优刻得、并行科技、金山云[1] 核心观点与论据 * **AI应用竞争白热化**：国内主要AI公司（千问、豆包、元宝）正通过大规模补贴用户的方式抢占市场，其竞争态势被类比为10年前的移动支付大战[1] * **技术范式与产品演进**： * 智谱AI的GLM-5大模型正在推动编程范式从“VibeCoding”转向“AgenticEngineering”[1] * Kimi推出的Claw产品将AI智能体服务从开发者群体推广至大众用户[1] * **国产大模型表现强劲**：国产大模型已连续数周在第三方平台openrouter的榜单上占据领先位置[1] * **AI服务商业化加速**：AI智能体（Agent）的使用正变得普及（平权），但已进入普遍收费阶段，不再免费（不普惠）[1] * **算力资源持续紧张**：智谱AI因运营和算力资源紧张公开致歉，并正在全网寻找“算力合伙人”，这印证了算力需求的旺盛[1] * **投资建议明确**： * 认为节前的各种（算力资源）涨价只是开始[1] * 当前重点推荐阿里系公司（阿里巴巴、协创数据、宏景科技）以及国产GPU公司（海光信息、寒武纪）[1] * 建议关注一系列云计算与算力相关公司（网宿科技、东方国信等）[1]