20241224-国金证券-ETF投资宝典之一_热点概念相关ETF的自动匹配与对比_32页_3mb

被动投资时代下的指数检索优化：大语言模型应用分析

被动投资中，行业、主题类指数基金数量自2021年以来呈现爆发式增长，但传统筛选方式存在关键词穷举困难、概念抽象等局限，导致效率低下。

国金证券提出利用大语言模型结合指数要素、成分股信息及主营业务描述，实现自动化的行业概念指数检索。该方法有效解决了固定关键词不足的问题，自主定义筛选标准，提高了投研效率。

大语言模型在指数筛选中的应用

1. 多维度判断标准：结合指数名称编制、成分股行业分类及企业主营业务描述
2. 高效筛选流程：
   • 先通过指数名称和编制方式初筛概念相关指数
   • 再利用模型判断成分股是否属于目标概念，并计算概念占比
   • 输入概念名称可自动输出指数清单及概念含量

使用DeepSeek-V25模型的应用案例表明，该方法能准确判断如"芯片"、"苹果产业链"等热门概念的指数覆盖情况，如中证沪港深新消费指数与中证沪港深线上消费主题指数的对比分析。

行业概念指数比较与应用

对芯片、新能源车、创新药等热门概念指数进行了系统对比，在编制方式、成分行业分布、历史回撤表现等方面进行了详细分析，并归纳挂钩被动指数基金的产品及规模情况。

风险提示与结论

该方法虽提高了效率，但仍存在模型理解片面、仅覆盖部分指数及市场数据、历史表现不代表未来等风险。在自动化的指数检索和投资策略开发方面，提供了一种高效的技术方案。