金工深度研究-LLM赋能资产配置：基于新闻数据的AI宏观因子构建与应用

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 金工 LLM 赋能资产配置：基于新闻数据的AI 宏观因子构建与应用 华泰研究 林晓明 研究员 SAC No. S0570516010001 SFC No. BPY421 linxiaoming@htsc.com +(86) 755 8208 0134 徐特*，PhD 研究员 SAC No. S0570523050005 xute@htsc.com +(86) 10 6321 1166 何康，PhD 研究员 SAC No. S0570520080004 SFC No. BRB318 hekang@htsc.com +(86) 21 2897 2202 李薇* 联系人 SAC No. S0570124070087 liwei024052@htsc.com +(86) 21 2897 2228 AI 中国经济增长因子用于股票择时 注：回测区间为 2016-02-28 至 2025-08-31；周频调仓，暂不考虑手续费；择时策略仅做多，看空观点用空仓表示；基准策略为“50%沪深 300 指数+50%现金” 资料来源：大智慧财汇等，通义千问，Wind，华泰研究 AI 中国经济增长因子用于债券择时 注：回测区间为 2016-02-28 至 2025-08-31；周频调仓，暂不考虑手续费；择时策略仅做多，看空观点用空仓表示；基准策略为“50%7-10 年总净价指数+50%现金” 资料来源：大智慧财汇等，通义千问，Wind，华泰研究 AI 地缘政治因子用于黄金择时 注：回测区间为 2020-01-01 至 2025-08-31；周频调仓，暂不考虑手续费；择时策略仅做多，看空观点用空仓表示；基准策略为“50%COMEX 黄金+50%现金” 资料来源：大智慧财汇等，通义千问，Wind，华泰研究 2025 年 9 月 24 日│中国内地 深度研究 人工智能 96：新闻 AI 宏观因子赋能资产配置 本研究是“LLM 赋能资产配置”系列的开篇，利用大语言模型（LLM）基于新闻数据构建出了有效的 AI 宏观因子，并验证了其在资产配置中的应用价值。与结构化数据相比，文本信息具有如下优点：多维、丰富；及时、高频。因子刻画的核心难点在于如何从非结构化文本中有效提炼语义信息，这也是本研究的重点。实证结果表明，所构建的 AI 经济增长因子和 AI 地缘政治与国际关系因子能实现对经济的敏锐追踪，对资产价格走势的解释力度也明显优于传统低高频指标。AI 中国增长因子能对国内股债资产进行有效择时，AI 地缘政治与国际关系因子能对黄金进行有效择时。 基于文本信息构建 AI 宏观因子：核心在于宏观信息的提炼质量 AI 宏观因子的有效性高度依赖于宏观信息的提炼质量。为此，本研究提出了一套从大规模新闻文本中提炼有效宏观信息的框架。该框架强调“任务解耦”和“减轻幻觉”原则，即将宏观分析拆解为多个子任务，并依据任务特点针对性选配语言模型，以充分发挥 LLM 的强大语义理解能力。同时引入提示工程和大小模型协同等策略，以减轻幻觉问题。提示工程可以减少 LLM“自由发挥”的空间，将其引导至期望的输出格式和逻辑上。大小模型协同指结合 LLM 与人工标注高质量数据集样本，然后训练轻量化模型进行知识蒸馏，用训练好的模型进行大规模批注，确保结果稳定性和可复现性。 数据预处理：提炼新闻中的宏观信息 新闻数据相比结构化数据，涵盖了更丰富的宏观叙事，但噪音问题严重，需要进行深度清洗。本研究设计了如下预处理流程：(1)宏观新闻粗筛：基于LLM 标注数据并对 Bert 模型进行微调，构建高精度宏观新闻分类器，从原始语料中筛选出宏观相关新闻；(2)事件切割与去重：将单条新闻拆解为多个独立子事件，以模拟人类分析思维并为后续研究提供更清晰和更具结构化的数据。每个子事件均标注国别/地区及时间性质标签，以支持地域分类和时间指向性分析。最后基于语义相似度对事件进行去重。 因子构建：量化宏观新闻中的有效信息 宏观新闻分析的核心在于区分“事实”与“观点”，后者是增量信息。我们会对宏观事件进行相关性、情感方向和影响强度这三个维度的标注。选取2014 年 8 月至 2020 年 12 月作为样本内，使用 Prompt 优化后的 LLM 对宏观事件进行初步标注，然后人工复核，兼顾 LLM 的广度与人类的深度，最终形成的高质量标注语料用于微调 Bert 模型。从微调效果看，经济增长和地缘政治与国际关系维度的模型评估指标整体优异，可以用于样本外标注。 因子应用：AI 宏观因子可以灵敏反应宏观边际变化并指导资产配置 我们构建了日频的 AI 中国/美国经济增长因子和 AI 地缘政治与国际关系因子，涵盖短周期/长周期、现实/预期多维度，可敏锐捕捉经济边际变化。以AI 中国经济增长因子为例，该因子在 2024 年“9·24”刺激政策出台后迅速回升，在 2025 年 3 月下旬关税风波时快速回落，可有效应用于国内股债择时。模型自今年 1 月 12 日开始看多股票，看空债券。AI 地缘政治与国际关系因子能够对黄金进行有效择时，模型最新一期仓位调整发生于 2025 年8 月 24 日，黄金仓位由 2025 年 5 月 25 日的 25%上调至 75%。 风险提示：因子效果依赖于文本数据源、人工标注质量和 LLM 的性能，不同模型效果可能差异显著；非本地大模型处理敏感数据或有信息泄露风险；基于历史文本构建的因子本质上是历史规律的总结，当市场发生结构性变化时，因子可能失效。 0.81.21.62.02.42.82016201720182019202020212022202320242025策略净值基准策略0.91.01.11.22016201720182019202020212022202320242025策略净值基准策略0.81.21.62.0202020212022202320242025策略净值基准策略000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 金工研究 正文目录 本文导读 ....................................................................................................................................................................... 4 LLM 赋能资产配置：关键在于“增强认知”而非“替代决策” ................................