20260727-国金证券-大模型赋能投研之二十五_个股和产业动态知识库——行业投资专家Agent2.0_18页_2mb

大模型赋能投研之二十五：个股和产业动态知识库——行业投资专家 Agent2.0

核心内容概述

本篇报告围绕“行业投资专家 Agent2.0”的构建展开，旨在通过引入个股记忆栈与产业链供需认知层，将投资框架从单行业验证升级为多行业策略化落地。该框架以“思维链提取-验证-选股”为主线，结合双层认知架构，实现了对科技属性行业个股的系统性分析与投资决策支持，形成了一个可对外交付、可持续迭代的个股决策 Agent 闭环。

主要观点与关键信息

1. 双层认知架构设计

• 个股记忆栈：从盈利与业绩趋势、估值水平与位置、一致预期变化、重要事件与催化剂、竞争格局与行业地位、风险与关注点六个维度，逐月滚动维护个股的基本面画像。
• 产业链供需认知层：以申万三级行业为客观骨架，通过 Wind 概念板块自动筛选需求锚点，构建“海外锚点需求、环节景气与价格、订单能见度、国产替代进度”四维画像，支持跨主体供需信息的识别与注入。
• 设计原则：确保 point-in-time 无未来信息，采用差异化半衰期压缩机制，对快变量（如价格、稼动率）采用季度尺度，中变量（如订单能见度）采用半年尺度，慢变量（如国产替代）长期保留。

2. 策略执行与回测表现

• 策略回测区间：2025年2月至2026年7月，共342个交易日。
• 科技子行业表现：
  • 半导体：年化超额收益率 $106.8%$，信息比率 1.94。
  • 光学光电子：年化超额收益率 $43.3%$，信息比率 1.44。
  • 通信设备：年化超额收益率 $42.8%$，信息比率 2.25。
  • 元件：年化超额收益率 $27.4%$，信息比率 1.57。
  • 消费电子：年化超额收益率 $17.7%$，信息比率 0.52。
  • 计算机设备：年化超额收益率 $11.8%$，信息比率 0.34。
• 行业中性策略表现：
  • 年化超额收益率 $46.9%$，累计超额 $71.0%$。
  • 超额年化波动率 $14.9%$，超额最大回撤 $-6.6%$。
  • 信息比率高达 3.14，各风险维度均优于单一子行业。

3. 产业链认知层的边际改善

• A/B 对照：在“判断时是否注入 M-1 月环节供需快照”这一变量下，产业链认知层显著提升了超额表现并压缩了尾部风险。
• 具体改善：
  • 元件超额由 $20.3%$ 提升至 $27.4%$，信息比率由1.15提升至1.57。
  • 消费电子超额由 $10.0%$ 提升至 $17.7%$，信息比率由0.30提升至0.52。
• 风险控制：产业链认知层有效识别风险，如在景气下行期更快规避逻辑证伪个股，压缩回撤。

4. 收益归因分析

• 风格因子：策略风格偏向大市值、高成长、高质量、一致预期上修，低配动量、高波动与低估值。
• OLS 回归：风格因子仅解释约一成超额，其余主要来自真实的选股能力（Alpha）。
• Alpha 表现：剥离风格因子后，Alpha 年化约 $41.6%$，在 1% 水平显著（t=3.29）。

5. 技能与应用

• active-quant 智能问答技能：支持自然语言查询，包括行业概览、有效单链、持仓预测、个股符合度与证据、跨行业定位个股、产业链环节供需等。
• 单文件可视化看板：包含净值曲线、绩效汇总与分年度表现、最新有效单链、持仓预测与个股查询模块，支持跨行业对比与复合问法。

结论与展望

• 结论：Agent2.0 构建了“记忆增强”与“产业链认知”双层架构，显著提升了科技板块的超额收益与风险调整后收益，验证了其作为“可对外交付的决策辅助工具”的可行性。
• 展望：
  • 优化思维链提取机制，支持月频甚至周频迭代。
  • 横向复制至更多科技制造子行业，以及新能源、医药等非科技赛道。
  • 探索记忆与认知的表征化，将其编码为低维语义向量，作为 Alpha 源纳入机器学习选股模型，实现“主观逻辑-记忆表征-量化组合”的完整链路。

风险提示

1. 若历史数据环境发生变化，可能出现模型失效风险。
2. 策略基于历史数据回测，交易成本提高可能导致收益下降甚至亏损。
3. 大模型输出存在随机性和幻觉风险，仅供参考。
4. 回测样本约 2 年，统计功效有限，需随样本延长持续检验。