聚焦金工专题报告:深度学习系列之一,AI重塑量化,基于大语言模型驱动的因子改进与情绪Alpha挖掘。“成功案例”作为先验知识,本文实现了从零生成新因子的突破,成功挖掘出多个与样例因子相关性低、ICIR 在 0.8 以上的新因子。这些 AI生成因子在样本外跟踪中表现持续稳健,部分因子的样本外 ICIR 能达到 1.0 以上,证明了该方法论的有效性与鲁棒性。研究发现,该因子呈现出独特的非对称预测能力,即正面情绪与股价上涨关系不强,但负面情绪是未来股价下跌的强预警信号,其空头组合年化超额收益达 8.26%,显著优于传统因子。
聚焦金工专题报告:深度学习系列之一,AI重塑量化,基于大语言模型驱动的因子改进与情绪Alpha挖掘。“成功案例”作为先验知识,本文实现了从零生成新因子的突破,成功挖掘出多个与样例因子相关性低、ICIR 在 0.8 以上的新因子。这些 AI生成因子在样本外跟踪中表现持续稳健,部分因子的样本外 ICIR 能达到 1.0 以上,证明了该方法论的有效性与鲁棒性。研究发现,该因子呈现出独特的非对称预测能力,即正面情绪与股价上涨关系不强,但负面情绪是未来股价下跌的强预警信号,其空头组合年化超额收益达 8.26%,显著优于传统因子。
聚焦金工专题报告:深度学习系列之一,AI重塑量化,基于大语言模型驱动的因子改进与情绪Alpha挖掘。“成功案例”作为先验知识,本文实现了从零生成新因子的突破,成功挖掘出多个与样例因子相关性低、ICIR 在 0.8 以上的新因子。这些 AI生成因子在样本外跟踪中表现持续稳健,部分因子的样本外 ICIR 能达到 1.0 以上,证明了该方法论的有效性与鲁棒性。研究发现,该因子呈现出独特的非对称预测能力,即正面情绪与股价上涨关系不强,但负面情绪是未来股价下跌的强预警信号,其空头组合年化超额收益达 8.26%,显著优于传统因子。核心数据:研究发现,该因子呈现出独特的非对称预测能力,即正面情绪与股价上涨关系不强,但负面情绪是未来股价下跌的强预警信号,其空头组合年化超额收益达 8.26%,显著优于传统因子;在高频维度,通过赋予 AI 直接生成 Python 代码的能力,本文挖掘出一批逻辑新颖且表现优异的高频因子,其中部分强信号因子(如投机波动因子)的多空组合年化收益超过 60%;将AI 高频因子库融入融合了日 K 与周K 行情数据的 AGRU 神经网络模型后,模型的年化多头超额收益由18.24%显著提升至 25.28%,RankIC 均值提升了 0.71 个百分点。
本报告由东吴证券发布,发布于 2026 年。
覆盖 2026 年,全文共 106 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合战略规划、产品经理等读者参考。
重点分析了AI、量化、金工专题报告等议题。