（来源：华泰证券金融工程）

AI因子TOP层及中证1000增强组合超额持续修复

截至2026年8月28日，全频段融合因子今年以来TOP层相对全A等权基准的超额收益为7.49%，自2017年初回测以来TOP层年化超额收益率28.28%，5日RankIC均值11.2%。基于全频段因子构建的AI中证1000增强组合本周超额收益为1.18%，今年以来超额收益为2.52%，自2017年初回测以来相对中证1000年化超额收益率为20.34%，年化跟踪误差为6.56%，信息比率为3.10，超额收益最大回撤为17.16%，超额收益Calmar比率为1.19。

文本LLM-FADT组合本周超额延续回撤

在前期BERT-FADT基础上，我们借助大模型（LLM）补充标题新解、行情催化剂、“言外之意”、潜在风险、收益指引等额外解读，构建LLM-FADT文本选股策略。截至2026年8月28日，文本LLM-FADT组合8月相对中证500超额收益-6.8%，2026年超额收益-9.2%，8月超额收益延续回撤趋势。自2017年初回测以来年化收益率26.14%，相对中证500超额年化收益22.97%，组合夏普比率1.01，信息比率1.74。

AI行业轮动模型：未来一周推荐非银、银行等行业

AI行业轮动模型使用全频段量价融合因子对32个一级行业打分并构建周频调仓策略，每周选取5个行业等权配置。截至2026年8月28日，模型2017年初回测以来年化收益率为27.47%，相对等权基准年化超额收益率为21.06%，今年以来绝对收益24.93%，超额收益27.38%。模型未来一周将持有非银行金融、银行、钢铁、交通运输、建筑5个行业。

AI主题、概念指数轮动：未来一周推荐300非银、证券精选等指数

AI主题指数轮动模型使用全频段量价融合因子对133个主题指数打分并构建周频调仓策略，每周选取10个主题指数等权配置。截至2026年8月28日，模型2018年初回测以来年化收益率为15.13%，相对等权基准年化超额收益率为9.16%，今年以来绝对收益-0.26%，超额收益0.37%，模型未来一周推荐持有300非银、上证金融、金融地产、中证旅游、上证央企等指数。AI概念指数轮动模型未来一周推荐持有证券精选、保险精选、办公用品、银行精选、猪产业等指数。

截至2026年8月28日，全频段融合因子今年以来TOP层相对全A等权基准的超额收益为7.49%，自2017年初回测以来TOP层年化超额收益率28.28%，5日RankIC均值11.2%。

华泰金工中证1000增强组合构建方法如下：

1.因子：全频段融合因子。

截至2026年8月28日，基于全频段因子构建的AI中证1000增强组合本周超额收益为1.18%，今年以来超额收益为2.52%，自2017年初回测以来相对中证1000年化超额收益率为20.34%，年化跟踪误差为6.56%，信息比率为3.10，超额收益最大回撤为17.16%，超额收益Calmar比率为1.19。

文本LLM-FADT选股组合近期表现跟踪

在前期研究《人工智能92：LLM-FADT：大模型增强文本选股》（2025-06-10）中，我们考虑到原始分析师研报虽然通常以精确有效的信息传达为核心目标，然而受限于篇幅、语言组织等方面，对于读者而言，研报中或多或少蕴含着需要额外梳理的信息。我们对研报标题及摘要提出多个问题，例如“标题是否聚焦核心信息，是否需要重构”，“内容是否着重凸显行情催化剂”，“原文内容之外隐含哪些信息”，“有无潜在风险尚无明确表达或遗漏”，“对于股票未来收益指引如何”，要求大模型逐一发表见解，以体现大模型对文本的“博观”解读。

LLM-FADT构建流程与前期报告《人工智能63：再探文本FADT选股》（20221028）基本一致。不同之处在于，输入给微调版FinBERT的研报文本包括6类：原始文本、标题新解、行情催化剂、“言外之意”、潜在风险、收益指引，后5个部分即为大模型对原始文本进行额外解读的视角。FinBERT将以上文本逐一转化为文本特征向量，由此一来，后续的XGBoost模型训练时将获得更为丰富的文本信息输入。

截至2026年8月28日，文本LLM-FADT组合8月相对中证500超额收益-6.8%，2026年超额收益-9.2%，8月超额收益延续回撤趋势。自2017年初回测以来年化收益率26.14%，相对中证500超额年化收益22.97%，组合夏普比率1.01，信息比率1.74。

相比于仅依赖原始文本的BERT-FADT，LLM-FADT策略总体更为稳定，超额回撤相对较小。自2024年10月以来，LLM-FADT策略超额总体跑赢BERT-FADT，近期LLM-FADT与BERT-FADT差异略有收窄。

AI行业轮动模型表现跟踪

华泰金工使用深度学习模型对全频段量价数据进行信息提取，得到具有不错选股效果的因子（参见2023年12月8日发布的报告《基于全频段量价特征的选股模型》）。进一步使用行业成分股的量价因子得分对每个行业打分，选择得分最高的5个行业等权配置，构建自下而上的行业轮动策略。AI行业轮动模型能够利用AI模型的特征提取能力，充分挖掘多频段量价数据中的规律，与自上而下策略形成互补。

华泰金工AI行业轮动模型构建方法如下：

1.行业池：主要为一级行业，其中食品饮料拆成食品、饮料和酒类，有色金属拆成工业金属、贵金属和稀有金属，不考虑综合和综合金融，共有32个行业。

2.因子：全频段量价融合因子。使用行业成分股的因子得分对每个行业打分。

3.策略规则：每周最后一个交易日选择模型得分最高的5个行业等权配置，以下周第一个交易日收盘价买入，周频调仓，不计交易成本。

模型2017年初回测以来年化收益率为27.47%，相对等权基准年化超额收益率为21.06%，今年以来绝对收益24.93%，超额收益27.38%。模型未来一周将持有非银行金融、银行、钢铁、交通运输、建筑5个行业。模型得分前10行业如下。

AI主题指数轮动模型表现跟踪

华泰金工AI主题指数轮动模型构建方法如下：

1.主题指数池：根据Wind的ETF基金分类，选取主题ETF基金跟踪的指数形成主题指数池，共有133个主题指数。

2.因子：全频段量价融合因子，参见报告《基于全频段量价特征的选股模型》（2023.12.8）。使用主题指数成分股的因子得分对每个主题指数打分。

3.策略规则：每周最后一个交易日选择模型得分最高的10个主题指数等权配置，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四。

截至2026年8月28日，模型2018年初回测以来年化收益率为15.13%，相对等权基准年化超额收益率为9.16%，今年以来绝对收益-0.26%，超额收益0.37%，模型未来一周推荐持有300非银、上证金融、金融地产、中证旅游、上证央企等指数，模型得分前15指数如下。

华泰金工AI概念指数轮动模型构建方法如下：

1.概念指数池：选取Wind热门概念指数，共有72个概念指数。

2.因子：全频段量价融合因子。使用概念指数成分股的因子得分对每个概念指数打分。

模型未来一周推荐持有证券精选、保险精选、办公用品、银行精选、猪产业等指数，模型得分前20指数如下。