报告概述
本报告是国信证券AI赋能资产配置系列的第三十四篇，首次发布AI+多资产泛量化系列指数。报告以Agentic AI为核心，探索如何通过智能体实现从数据收集、信号生成到策略构建、回测优化的全流程自动化，使无编程背景的研究员和投资者也能进行量化投资。报告覆盖三大研究框架：AI泛量化的具体流程（知识解构、需求澄清、代码调试），AI视角驱动的Black-Litterman资产配置（利用大语言模型生成主观观点），以及AI增强型风险平价模型（让AI动态选择协方差估计窗口）。通过引入DeepSeek-V3、Qwen2.5-72B等大模型，报告展示了AI在提升资产配置绩效和风险控制方面的显著效果，并为读者提供了可复用的泛量化方法论。
报告的核心结论
Agentic AI可实现量化平权，降低投资研究门槛。
借助Agentic AI，无编程背景的研究员和投资者只需通过自然语言与AI交互，即可完成从数据获取、信号生成到策略构建、回测优化的完整量化流程，无需掌握编程或复杂的量化模型，从而实现投研流程的高度自动化，让量化投资不再是专业人士的专属。
AI视角驱动的Black-Litterman策略大幅提升收益和夏普比率。
报告通过每周调用大语言模型生成资产预期收益观点，并作为Black-Litterman模型的主观输入，在2023年初至2025年末的回测中，DeepSeek-V3和Qwen2.5-72B策略分别实现18.29%和20.37%的年化收益，夏普比率从等权基准的0.99提升至1.56和1.81，同时最大回撤从-14.23%大幅收窄至-8.61%和-6.39%，显著改善了风险调整后收益。
AI动态窗口风险平价模型在不增加波动下优化了回撤控制。
报告让AI根据市场环境动态选择协方差估计窗口，对比固定300天窗口方案，Qwen2.5-72B策略的年化收益提升0.12%至4.71%，夏普比率从1.40提升至1.46，最大回撤由-4.50%缩减至-3.00%，且月度胜率提升约1.65个百分点，实现了更稳健的风险控制。
AI泛量化流程可实现业务意图高效转化为标准化量化成果。
报告提出从知识智能体进行知识解构与跨域映射，到需求澄清代理拆解任务并执行流程，再到利用智能体辅助调试代码的完整路径。该流程使执行者无需深陷代码细节，只需校验经济逻辑，并通过自然语言精准引导修改，最终将业务意图转化为可复盘的量化成果，大幅降低量化策略开发的时间和技术成本。
报告回答的关键问题
什么是Agentic AI泛量化投资？
Agentic AI泛量化投资是指利用具备自主规划、工具调用和记忆能力的AI智能体，自动完成数据收集、信号生成、策略构建、回测优化等整个量化投资流程。报告展示了通过知识智能体、需求澄清代理等组件，使无编程背景的投资者仅通过自然语言即可实现量化策略开发，实现投研的“平权化”。
Black-Litterman模型如何结合AI观点？
报告采用每周调仓频率，向大语言模型提供资产横截面特征、风险因素摘要和宏观市场快照，让模型预测下一周期各资产的涨跌幅和置信度。LLM输出作为Black-Litterman模型的主观观点，与市场均衡回报结合后得到新的资产权重。这种AI驱动的方法大幅提升了策略的年化收益和夏普比率，同时降低了最大回撤。
AI如何增强风险平价模型？
传统风险平价模型固定历史窗口计算协方差矩阵，AI增强方案让大语言模型根据当前市场波动率、资产相关性及宏观环境，从预设候选窗口（60天至500天）中动态选择最佳窗口长度。在市场波动加剧时选择短窗口以快速适应，在平稳时选择长窗口以稳定统计特征，从而在不增加波动的前提下改善回撤控制和收益效率。
报告中的泛量化系列指数有哪些？
报告首次发布了两个AI+多资产泛量化指数：国信AI+BL多资产指数和国信AI+RP多资产指数。前者基于AI视角驱动的Black-Litterman策略，后者基于AI增强型风险平价模型，均作为可复盘的标准化成果对外展示。
报告中的代表性数据
18.29% (DeepSeek-V3); 20.37% (Qwen2.5-72B)
AI驱动Black-Litterman策略年化收益
2023年初至2025年末，在回测区间内，引入AI视角的BL策略年化收益大幅超越等权基准的11.85%。数据基于每周调仓的国内股、债、商多资产组合（沪深300、中证500、中证1000、中证2000、红利指数、十年国债指数、黄金）。
-3.00% (Qwen2.5-72B)
AI动态窗口风险平价最大回撤
2026年初至2025年末，相比固定300天窗口的-4.50%最大回撤，AI动态窗口（Qwen2.5-72B）将最大回撤缩减至-3.00%，同时年化波动率持平于3.19%。月胜率提升至66.94%。注意回测区间标为2026年初至2025年末，疑为笔误，实际应为2023年初至2025年末。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- Agentic AI在量化投研中的技术原理：详细阐述从对话式AI到智能体的进化路径，包括CoT推理、工具调用、记忆与规划机制，以及如何通过知识智能体、需求澄清代理等组件实现泛量化流程。
- AI泛量化完整流程拆解：以复现风险平价模型为例，逐步展示知识解构、跨域映射、任务拆解、代码调试与优化等环节，并配有代码示例和智能体交互截图。
- AI视角驱动的Black-Litterman模型全解析：包括策略设计、提示工程、观点量化方法、标的资产选择（国内股债商7类资产）及回测绩效对比表格和净值曲线。
- AI增强型风险平价模型深度分析：涵盖动态窗口决策逻辑、候选窗口设计、AI决策理由示例，以及三种方案（固定窗口、DeepSeek、Qwen）在收益、波动、夏普比率、月度胜率、换手率等方面的详细对比。
- 两大泛量化系列指数介绍：国信AI+BL多资产指数和国信AI+RP多资产指数的构建方法、历史表现曲线及权重变化图，作为可复盘的标准化成果。
- 风险提示与免责声明：包括模型过拟合风险、数据口径调整风险、AI推理不稳健性等，以及完整的分析师承诺和投资评级说明。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
