报告概述
本报告为华泰金工量化投资周报，主要跟踪AI全频段量价融合因子、LLM-FADT文本选股策略、AI行业轮动模型以及AI主题/概念指数轮动模型的最新表现。报告基于深度学习模型对多频段量价数据的特征提取，构建选股与行业轮动策略，并结合大模型对研报文本的额外解读增强选股效果。通过回测绩效和近期超额收益分析，帮助投资者了解AI量化策略当前的有效性及风险。
报告的核心结论
全频段融合因子今年以来超额收益接近零
截至2026年6月18日，全频段融合因子TOP层相对全A等权基准的超额收益仅为0.44%，远低于历史年化28%的水平，表明因子在今年的表现显著弱化，可能与市场风格切换或因子拥挤有关。
LLM-FADT策略短期回撤但长期超额显著
LLM-FADT组合6月相对中证500超额收益-5.3%，2026年以来超额-4.1%，但自2017年初回测以来年化超额收益24.29%，信息比率1.89，整体表现优于传统BERT-FADT策略，大模型赋能文本分析仍有长期价值。
AI行业轮动模型推荐偏周期与金融板块
模型基于全频段量价因子打分，未来一周推荐持有贵金属、工业金属、非银行金融、银行、国防军工五个行业，这些行业在量价信号上得分领先，显示出周期与金融板块的短期动量优势。
报告回答的关键问题
AI量价因子超额收益为何今年趋近于零？
报告显示，全频段融合因子今年以来TOP层超额收益仅0.44%，远低于历史年化28%。可能原因包括市场风格切换、因子拥挤度上升或深度学习模型对当前市场规律的不适应，报告提示AI模型存在失效风险。
大模型如何增强文本选股策略？
报告在BERT-FADT基础上，利用大模型对研报标题、摘要进行额外解读，提取标题新解、行情催化剂、言外之意、潜在风险和收益指引六大维度的文本特征，输入FinBERT和XGBoost模型，构建LLM-FADT策略，该策略长期超额收益更稳定。
当前AI行业轮动模型看好哪些行业？
截至2026年6月18日，模型得分最高的五个行业为贵金属、工业金属、非银行金融、银行和国防军工，模型采用全频段量价因子对32个行业打分，周频调仓，今年以来超额收益9.11%。
报告中的代表性数据
全频段融合因子TOP层年化超额收益率
2017年初至2026年6月18日，历史回测期间，因子TOP层相对全A等权基准的年化超额收益率，5日RankIC均值11.1%。
全频段融合因子今年以来的超额收益
2026年初至2026年6月18日，今年以来因子TOP层相对全A等权基准的超额收益，反映近期因子表现大幅弱化。
AI中证1000增强组合超额收益最大回撤
2017年初至2026年6月18日，基于全频段因子构建的中证1000增强组合，在回测期内的超额收益最大回撤。
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
- 全频段融合因子的分层回测净值曲线、累积RankIC图及详细回测指标表，展示因子在不同分层下的长期表现。
- 中证1000增强组合的累积超额收益曲线、回撤曲线及完整绩效指标，包括年化收益率、跟踪误差、信息比率等。
- LLM-FADT选股策略的构建流程示意图，包括大模型对研报文本的六维解读及FinBERT+XGBoost的模型架构。
- LLM-FADT策略与BERT-FADT策略的超额收益对比图，展示不同时期两者的累计超额与回撤差异。
- AI行业轮动模型的构建方法、行业池定义及回测净值曲线，以及与等权基准的对比。
- AI行业轮动模型未来一周推荐行业的具体得分列表（前10名）及行业名称。
- AI主题指数轮动模型的指数池（133个）、构建规则、回测绩效及得分前15主题指数的跟踪ETF列表。
- AI概念指数轮动模型的指数池（72个）、回测指标及得分前20概念指数名单，包括贵金属、证券精选等近期推荐。
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。
