20251231-国金证券-金融工程2026年度策略_拥抱AI投研巨浪_迎接量化投资新篇章_34页_3mb

金融工程组2026年投研与投资展望总结

核心内容概述

本报告由金融工程组分析师高智威、赵妍、许坤圣、胡正阳共同撰写，分析了2026年大模型生态、资产配置、因子选股、权益基金投资及风险提示等方面的内容，为投资者提供全面的策略建议。

主要观点与关键信息

一、大模型生态与应用展望：多模态与Agentic AI推动投研应用加速迭代

1. 大模型发展态势：

   • 2025年大模型迭代速度未减，生态与趋势已基本稳定。
   • 闭源模型仍占主导地位，但开源模型在性价比和使用量上不断提升。
   • 国产开源模型在多模态领域展现出竞争力。

2. 多模态与Agentic AI应用：

   • 多模态能力显著提升，为投研提供更丰富的信息来源。
   • Agentic AI基础设施逐步完善，投资专家Agent成为核心发展方向。
   • 推理类模型使用量上升，已超过50%，推动Agent应用落地。

3. 投研应用方向：

   • 多模态模型在K线图识别、PPT自动生成、数字人技术等方面应用广泛。
   • 投资专家Agent将融合模型、推理机制、工具调用、任务规划与内容生成，提升投研效率。
   • 由于金融合规性要求，目前仅能通过本地部署和定制化方案实现。

二、2026年资产配置年度策略展望：通胀再起行情下，如何对风格和行业进行配置？

1. 宏观状态与一致预期：

   • 当前经济处于弱复苏阶段，但预计2026年将逐步回升。
   • 海外降息及AI资本开支将推动上游通胀回升。
   • 中国促内需政策有望提振消费，带动内需增长。

2. 风格配置：

   • 成长风格仍占优，但趋于均衡。
   • 微盘风格可能向茅指数切换，红利板块仍具配置价值。
   • M1-M2剪刀差回落将影响成长风格表现，但整体仍有望延续。

3. 行业配置：

   • 基本面因子仍是行业配置的核心，质量因子表现优于其他因子。
   • 盈利与分析师预期因子表现良好，但增速可能放缓。
   • 估值动量因子表现欠佳，但预计明年将有所回暖。

三、2026年因子选股展望：指增AI策略失效分析及优化方式

1. AI策略失效原因：

   • 风格轮动剧烈，因子反转效应明显。
   • 线性与非线性策略在极端环境下表现分化，AI策略回撤更严重。

2. 策略优化方式：

   • 引入全自动择时框架，解决传统策略指标筛选繁杂、参数调整主观性强的问题。
   • 优化LightGBM模型，通过动态高质量样本加权与HuberLoss增强鲁棒性。
   • 重塑GRU架构，引入注意力池化与CVaR Loss的闭环机制，提升模型预测能力与风控水平。

3. 优化效果：

   • 卡玛比率显著提升，超额回撤有效降低。
   • 风格暴露收敛，模型更注重基本面与流动性因子。

四、2025年权益基金投资展望：主动权益基金超额收益回归

1. 主动权益基金表现：

   • 2025年主动权益基金超额收益回归，Alpha有所体现。
   • 科技与周期双主线行情下，主动基金Alpha可能持续。

2. 业绩基准与风格漂移控制：

   • 业绩基准新规下，选股Alpha成为超额收益的主要来源。
   • 建议投资者关注宽基类基金及行业主题基金的配置逻辑。

3. ETF轮动策略：

   • 基于AI预测的个股Beta信息的ETF轮动策略持续优化。
   • 人工智能ETF长期跑赢沪深300指数，具有纯度优势。

五、总结

2026年投研领域将面临大模型生态的加速迭代与量化策略的优化升级。随着多模态和Agentic AI技术的发展，投研应用将更加智能化和高效化。同时，资产配置和因子选股方面，需关注市场风格轮动、基本面因子及AI策略的优化，以应对未来的市场变化和风险。

六、风险提示

1. 历史数据统计、建模和测算结果可能因政策和市场环境变化而失效。
2. 国际政治摩擦升级可能带来资产同向大幅波动。
3. 政策变化可能影响模型与因子的稳定关系。
4. 大语言模型具有一定的随机性，可能在部分情况下出现错误，影响投资判断。