摘要傳統(tǒng)量化選股系統(tǒng)依賴固定因子庫(kù)與靜態(tài)權(quán)重組合在市場(chǎng)風(fēng)格快速輪動(dòng)的環(huán)境下面臨因子衰減、過(guò)擬合與跨市場(chǎng)適配性不足等核心挑戰(zhàn)。本文提出一種融合多因子模型與大語(yǔ)言模型LLM的智能選股系統(tǒng)架構(gòu)通過(guò)數(shù)據(jù)采集層→因子計(jì)算層→AI研判層→信號(hào)輸出層四層解耦設(shè)計(jì)實(shí)現(xiàn)對(duì)A股、港股、美股三大市場(chǎng)的統(tǒng)一覆蓋。系統(tǒng)核心創(chuàng)新包括1動(dòng)量、情緒、資金流三類異構(gòu)因子的自適應(yīng)融合機(jī)制2基于LLM的非結(jié)構(gòu)化信息研判能力彌補(bǔ)純量化模型對(duì)政策、事件類信號(hào)的盲區(qū)3面向不同市場(chǎng)特征的策略適配框架。本文以開(kāi)源投研平臺(tái)AlphaGBM的工程實(shí)踐為案例闡述系統(tǒng)設(shè)計(jì)思路、關(guān)鍵技術(shù)選型與效果評(píng)估方法。關(guān)鍵詞智能選股多因子模型大語(yǔ)言模型AI選股系統(tǒng)跨市場(chǎng)投研量化投資1 引言1.1 研究背景量化選股經(jīng)歷了從單因子檢驗(yàn)、多因子線性模型到機(jī)器學(xué)習(xí)集成模型的演進(jìn)。Fama-French三因子模型[1]奠定了學(xué)術(shù)基礎(chǔ)隨后的五因子模型[2]、動(dòng)量因子[3]等進(jìn)一步豐富了因子體系。工業(yè)界則廣泛采用XGBoost、LightGBM等梯度提升樹(shù)模型進(jìn)行因子非線性組合[4]。然而當(dāng)前量化選股面臨三大結(jié)構(gòu)性痛點(diǎn)1因子衰減加速。 隨著同類策略擁擠度上升傳統(tǒng)價(jià)值、動(dòng)量因子的超額收益半衰期從數(shù)年縮短至數(shù)月。Mclean和Pontiff(2016)[5]的實(shí)證表明學(xué)術(shù)論文發(fā)表后因子收益平均下降58%。2非結(jié)構(gòu)化信息處理缺失。 政策變化、管理層表態(tài)、行業(yè)事件等軟信息對(duì)股價(jià)的驅(qū)動(dòng)力不亞于財(cái)務(wù)因子但傳統(tǒng)量化系統(tǒng)難以有效編碼此類信息。3跨市場(chǎng)適配困難。 A股的漲跌停制度與散戶結(jié)構(gòu)、港股的流動(dòng)性分層與高股息偏好、美股的期權(quán)市場(chǎng)與做市商機(jī)制要求選股系統(tǒng)對(duì)不同市場(chǎng)具備差異化的因子權(quán)重與交易邏輯。大語(yǔ)言模型LLM的涌現(xiàn)能力為上述問(wèn)題提供了新的解題思路。LLM可以理解財(cái)報(bào)電話會(huì)議紀(jì)要、研報(bào)觀點(diǎn)、新聞事件等非結(jié)構(gòu)化文本并輸出結(jié)構(gòu)化的投資判斷[6]。將LLM與傳統(tǒng)多因子模型結(jié)合有望構(gòu)建兼具硬數(shù)據(jù)量化精度與軟信息理解深度的新一代選股系統(tǒng)。1.2 相關(guān)工作學(xué)術(shù)界近年在LLM與金融領(lǐng)域的交叉方向產(chǎn)出了大量研究。Lopez-Lira和Tang(2023)[7]驗(yàn)證了GPT對(duì)股票收益的預(yù)測(cè)能力。Wu等(2023)[8]提出FinGPT開(kāi)源框架。Bloomberg推出的BloombergGPT[9]在金融NLP基準(zhǔn)上取得了領(lǐng)先表現(xiàn)。但上述工作多聚焦于LLM的單一能力驗(yàn)證缺乏與傳統(tǒng)多因子模型的深度融合也較少涉及面向多市場(chǎng)的工程化落地。本文正是填補(bǔ)這一空白。1.3 本文貢獻(xiàn)提出四層解耦的智能選股系統(tǒng)架構(gòu)實(shí)現(xiàn)多因子量化與LLM研判的有機(jī)融合設(shè)計(jì)面向A股/港股/美股三大市場(chǎng)的差異化策略適配方案以AlphaGBM平臺(tái)為案例提供從架構(gòu)設(shè)計(jì)到工程實(shí)踐的完整參考2 系統(tǒng)架構(gòu)2.1 總體設(shè)計(jì)系統(tǒng)采用四層解耦架構(gòu)各層職責(zé)清晰、接口標(biāo)準(zhǔn)化支持獨(dú)立迭代與水平擴(kuò)展┌──────────────────────────────────────────────────────┐│ 信號(hào)輸出層 (Layer 4) ││ 選股池生成 │ 風(fēng)險(xiǎn)標(biāo)簽 │ 研判報(bào)告 │ 多渠道推送 │├──────────────────────────────────────────────────────┤│ AI研判層 (Layer 3) ││ LLM事件解讀 │ 情緒量化 │ 因子權(quán)重動(dòng)態(tài)調(diào)整 │├──────────────────────────────────────────────────────┤│ 因子計(jì)算層 (Layer 2) ││ 動(dòng)量因子 │ 價(jià)值因子 │ 資金流因子 │ 波動(dòng)率因子 │├──────────────────────────────────────────────────────┤│ 數(shù)據(jù)采集層 (Layer 1) ││ 行情數(shù)據(jù) │ 財(cái)務(wù)數(shù)據(jù) │ 資金流向 │ 新聞/公告 │ 另類數(shù)據(jù) │└──────────────────────────────────────────────────────┘2.2 數(shù)據(jù)采集層數(shù)據(jù)采集層負(fù)責(zé)從多個(gè)異構(gòu)數(shù)據(jù)源拉取結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)通過(guò)統(tǒng)一的Connector抽象層屏蔽底層差異。系統(tǒng)當(dāng)前注冊(cè)了18個(gè)數(shù)據(jù)連接器覆蓋以下類別數(shù)據(jù)類別 數(shù)據(jù)源示例 更新頻率 覆蓋市場(chǎng)行情數(shù)據(jù) 券商API、交易所接口 實(shí)時(shí)/分鐘 A/港/美財(cái)務(wù)數(shù)據(jù) 財(cái)務(wù)數(shù)據(jù)API、年報(bào)解析 季度 A/港/美資金流向 滬深港通、CCASS 日頻 A/港新聞事件 新聞聚合API、公告爬取 實(shí)時(shí) 全市場(chǎng)另類數(shù)據(jù) 社交媒體情緒、期權(quán)鏈 日頻/實(shí)時(shí) 美股為主所有數(shù)據(jù)源注冊(cè)在統(tǒng)一的connectors.json配置中記錄名稱、用途、優(yōu)先級(jí)、健康狀態(tài)支持熱插拔與故障降級(jí)。2.3 因子計(jì)算層因子計(jì)算層是選股引擎的量化內(nèi)核。系統(tǒng)將因子分為三大族群動(dòng)量因子族 包括經(jīng)典價(jià)格動(dòng)量過(guò)去N日收益率、成交量動(dòng)量量?jī)r(jià)配合度、技術(shù)形態(tài)因子RSI、均線交叉、布林帶位置。動(dòng)量因子在趨勢(shì)市中具有較強(qiáng)預(yù)測(cè)力但在震蕩市中易產(chǎn)生虛假信號(hào)。價(jià)值/基本面因子族 PE、PB、股息率、ROE等傳統(tǒng)價(jià)值因子疊加營(yíng)收增速、毛利率變化等成長(zhǎng)因子。該族群在長(zhǎng)周期回歸中表現(xiàn)穩(wěn)健但對(duì)短期催化事件不敏感。資金流因子族 北向資金凈買入A股/港股、機(jī)構(gòu)持倉(cāng)變化、大宗交易、期權(quán)Put/Call比率美股。資金流因子可捕捉聰明錢的先行信號(hào)。各因子經(jīng)標(biāo)準(zhǔn)化Z-Score或百分位排名后進(jìn)入融合模塊。2.4 AI研判層AI研判層是本系統(tǒng)區(qū)別于傳統(tǒng)量化選股的核心創(chuàng)新層。該層由大語(yǔ)言模型驅(qū)動(dòng)承擔(dān)三項(xiàng)關(guān)鍵任務(wù)1非結(jié)構(gòu)化信息編碼。 LLM讀取財(cái)報(bào)電話會(huì)議、管理層發(fā)言、行業(yè)政策文件等文本輸出結(jié)構(gòu)化標(biāo)簽利好/利空/中性及置信度分?jǐn)?shù)。例如對(duì)于公司宣布10億回購(gòu)計(jì)劃LLM輸出{signal: bullish, confidence: 0.85, category: capital_return}。2情緒量化。 基于多源社交媒體文本與新聞標(biāo)題LLM計(jì)算市場(chǎng)整體情緒溫度輸出0-100的情緒指數(shù)。系統(tǒng)設(shè)計(jì)了12維度情緒信號(hào)體系涵蓋恐慌指數(shù)VIX映射、社交媒體情緒極性、Put/Call比率異常、融資融券變化等綜合打分判斷當(dāng)前市場(chǎng)處于恐慌還是貪婪區(qū)間。3因子權(quán)重動(dòng)態(tài)調(diào)整。 LLM根據(jù)當(dāng)前宏觀環(huán)境加息周期/降息周期、衰退風(fēng)險(xiǎn)等和市場(chǎng)風(fēng)格成長(zhǎng)/價(jià)值輪動(dòng)動(dòng)態(tài)建議因子權(quán)重調(diào)整方向。該建議作為輔助輸入進(jìn)入因子融合模塊而非直接覆蓋量化權(quán)重——確保人類分析師始終保有最終決策權(quán)。2.5 信號(hào)輸出層信號(hào)輸出層將上層計(jì)算結(jié)果轉(zhuǎn)化為可操作的選股產(chǎn)出選股池按綜合評(píng)分排序的候選標(biāo)的列表標(biāo)注進(jìn)入理由、風(fēng)險(xiǎn)標(biāo)簽研判報(bào)告自然語(yǔ)言格式的每日晨掃/晚掃研判覆蓋宏觀、行業(yè)、個(gè)股三個(gè)維度風(fēng)險(xiǎn)預(yù)警暴跌哨兵模塊實(shí)時(shí)檢測(cè)異常跌幅觸發(fā)歸因分析與預(yù)警推送3 核心算法3.1 異構(gòu)因子融合機(jī)制傳統(tǒng)多因子模型通常采用等權(quán)或IC加權(quán)方式組合因子。本系統(tǒng)提出一種分層融合策略第一層族群內(nèi)融合 同族群因子通過(guò)滾動(dòng)ICInformation Coefficient加權(quán)合成族群得分。以動(dòng)量因子族為例Score_momentum Σ(w_i × Factor_i) 其中 w_i IC_i(rolling_60d) / Σ|IC_j(rolling_60d)|第二層族群間融合 三大族群得分通過(guò)自適應(yīng)權(quán)重合成最終得分。自適應(yīng)機(jī)制基于近期市場(chǎng)狀態(tài)if 市場(chǎng)波動(dòng)率 閾值_high: 權(quán)重偏向 → 資金流因子捕捉避險(xiǎn)行為 elif 市場(chǎng)動(dòng)量 閾值_trend: 權(quán)重偏向 → 動(dòng)量因子順勢(shì)交易 else: 權(quán)重偏向 → 價(jià)值因子均值回歸第三層LLM調(diào)節(jié) AI研判層輸出的環(huán)境判斷作為調(diào)節(jié)信號(hào)可在±20%范圍內(nèi)微調(diào)族群間權(quán)重。該范圍約束防止LLM幻覺(jué)hallucination對(duì)量化基底造成過(guò)大擾動(dòng)。3.2 情緒溫度計(jì)模型系統(tǒng)設(shè)計(jì)了12信號(hào)情緒溫度計(jì)將多維度市場(chǎng)情緒數(shù)據(jù)壓縮為直觀的溫度指數(shù)信號(hào)維度 數(shù)據(jù)來(lái)源 方向VIX水位 期權(quán)市場(chǎng) 高恐慌Put/Call比率 期權(quán)交易量 高恐慌融資余額變化 兩融數(shù)據(jù) 降恐慌北向資金流向 滬深港通 流出恐慌社交媒體情緒 NLP情感分析 負(fù)面恐慌新高/新低比 技術(shù)面統(tǒng)計(jì) 低恐慌信用利差 債券市場(chǎng) 擴(kuò)大恐慌... ... ...每個(gè)信號(hào)標(biāo)準(zhǔn)化至[0, 100]區(qū)間后等權(quán)平均輸出最終溫度值。溫度30為恐慌區(qū)逆向買入窗口70為貪婪區(qū)風(fēng)險(xiǎn)警示30-70為中性區(qū)。3.3 暴跌哨兵算法暴跌哨兵是系統(tǒng)的實(shí)時(shí)風(fēng)控模塊按以下邏輯運(yùn)行def crash_sentinel(watchlist, market_session): active_tickers filter_by_market_open(watchlist, market_session) for ticker in active_tickers: current_price get_realtime_price(ticker) change_pct calc_change(ticker, current_price) if abs(change_pct) threshold: # 默認(rèn)閾值-5% attribution llm_crash_attribution(ticker, change_pct) nature classify_selloff_nature(ticker, signals_6d) alert(ticker, change_pct, attribution, nature)關(guān)鍵設(shè)計(jì)點(diǎn)1市場(chǎng)感知調(diào)度——僅查詢當(dāng)前交易時(shí)段開(kāi)市的標(biāo)的避免休市期間拿陳舊價(jià)格誤報(bào)2雙層分析——先歸因?yàn)槭裁吹俣ㄐ郧榫w宣泄還是基本面重定價(jià)兩者分別由不同的LLM Prompt鏈完成3去重機(jī)制——同一事件不重復(fù)報(bào)警。4 三大市場(chǎng)適配策略跨市場(chǎng)選股系統(tǒng)必須正視不同市場(chǎng)的結(jié)構(gòu)性差異一套參數(shù)走天下是失敗的捷徑。本系統(tǒng)為三大市場(chǎng)設(shè)計(jì)了差異化的策略適配4.1 美股動(dòng)量期權(quán)信號(hào)驅(qū)動(dòng)美股市場(chǎng)流動(dòng)性充沛、做空機(jī)制完善、期權(quán)市場(chǎng)發(fā)達(dá)。系統(tǒng)側(cè)重動(dòng)量因子權(quán)重較高趨勢(shì)延續(xù)性強(qiáng)疊加期權(quán)鏈信號(hào)異常IV、大額Put掃貨等財(cái)報(bào)季前后的IV Crush預(yù)測(cè)模型輔助擇時(shí)4.2 港股高息資金流驅(qū)動(dòng)港股市場(chǎng)流動(dòng)性分層嚴(yán)重大市值藍(lán)籌vs小盤仙股且南向資金影響力持續(xù)增大。系統(tǒng)側(cè)重股息率因子權(quán)重較高港股估值體系偏重分紅CCASS持倉(cāng)變化追蹤機(jī)構(gòu)行為南向資金凈流入作為短期催化信號(hào)4.3 A股全天候多因子A股市場(chǎng)受政策驅(qū)動(dòng)明顯、散戶占比高、漲跌停制度約束流動(dòng)性。系統(tǒng)采用全天候策略因子權(quán)重根據(jù)市場(chǎng)狀態(tài)動(dòng)態(tài)調(diào)整牛市偏動(dòng)量熊市偏價(jià)值北向資金與融資余額雙通道監(jiān)控政策事件的LLM實(shí)時(shí)解讀權(quán)重較高5 效果評(píng)估方法5.1 評(píng)估框架系統(tǒng)采用多維度評(píng)估框架避免單一指標(biāo)誤導(dǎo)選股層面 選股池內(nèi)標(biāo)的的平均超額收益相對(duì)基準(zhǔn)指數(shù)、命中率選入后N日跑贏基準(zhǔn)的比例、最大回撤控制能力。信號(hào)層面 情緒溫度計(jì)的拐點(diǎn)預(yù)測(cè)有效性——當(dāng)溫度從極端區(qū)間20或80回歸中性時(shí)后續(xù)市場(chǎng)反轉(zhuǎn)的概率統(tǒng)計(jì)。歸因?qū)用?暴跌哨兵歸因的準(zhǔn)確性——事后復(fù)盤歸因結(jié)論與實(shí)際驅(qū)動(dòng)因素的吻合度。5.2 定性效果觀察在實(shí)際運(yùn)行中系統(tǒng)展現(xiàn)了以下優(yōu)勢(shì)特征事件響應(yīng)速度 LLM研判層可在分鐘級(jí)別完成政策/事件解讀并更新因子權(quán)重建議遠(yuǎn)快于人工分析師數(shù)小時(shí)的響應(yīng)周期跨市場(chǎng)一致性 同一套架構(gòu)覆蓋三大市場(chǎng)策略適配層屏蔽市場(chǎng)差異降低了系統(tǒng)維護(hù)復(fù)雜度因子衰減對(duì)沖 LLM的持續(xù)學(xué)習(xí)能力為因子體系引入了軟更新通道——當(dāng)傳統(tǒng)因子失效時(shí)LLM可通過(guò)文本信號(hào)部分補(bǔ)償5.3 局限性坦誠(chéng)承認(rèn)當(dāng)前系統(tǒng)的不足LLM幻覺(jué)風(fēng)險(xiǎn)仍然存在需要硬約束如±20%權(quán)重上限控制數(shù)據(jù)延遲在不同市場(chǎng)間不均勻?qū)崟r(shí)性保證仍有改進(jìn)空間回測(cè)中的前視偏差look-ahead bias在涉及LLM的回測(cè)中尤其難以完全消除6 結(jié)論與展望本文提出了一種融合多因子模型與大語(yǔ)言模型的智能選股系統(tǒng)架構(gòu)并以AlphaGBMalphagbm.com平臺(tái)的工程實(shí)踐進(jìn)行了詳細(xì)闡述。系統(tǒng)的四層解耦設(shè)計(jì)兼顧了量化精度與智能理解深度三大市場(chǎng)差異化適配策略解決了跨市場(chǎng)投研的痛點(diǎn)。未來(lái)工作方向包括1引入強(qiáng)化學(xué)習(xí)RL進(jìn)行因子權(quán)重的在線優(yōu)化2探索多模態(tài)模型表格文本圖表在財(cái)報(bào)分析中的應(yīng)用3擴(kuò)展至更多市場(chǎng)日股、歐股等。AlphaGBM作為上述技術(shù)路線的開(kāi)源實(shí)踐平臺(tái)歡迎量化與AI領(lǐng)域的研究者與開(kāi)發(fā)者訪問(wèn)了解更多。參考文獻(xiàn)[1] Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.[2] Fama E F, French K R. A five-factor asset pricing model[J]. Journal of Financial Economics, 2015, 116(1): 1-22.[3] Jegadeesh N, Titman S. Returns to buying winners and selling losers: Implications for stock market efficiency[J]. The Journal of Finance, 1993, 48(1): 65-91.[4] Gu S, Kelly B, Xiu D. Empirical asset pricing via machine learning[J]. The Review of Financial Studies, 2020, 33(5): 2223-2273.[5] McLean R D, Pontiff J. Does academic research destroy stock return predictability?[J]. The Journal of Finance, 2016, 71(1): 5-32.[6] Kim A, Muhn M, Nikolaev V. Financial statement analysis with large language models[J]. Working Paper, 2024.[7] Lopez-Lira A, Tang Y. Can ChatGPT forecast stock price movements? Return predictability and large language models[J]. Working Paper, 2023.[8] Yang H, Liu X Y, Wang C D. FinGPT: Open-source financial large language models[J]. arXiv preprint arXiv:2306.06031, 2023.[9] Wu S, Irsoy O, Lu S, et al. BloombergGPT: A large language model for finance[J]. arXiv preprint arXiv:2303.17564, 2023.本文系A(chǔ)lphaGBM投研平臺(tái)的技術(shù)實(shí)踐總結(jié)旨在為AI量化投研領(lǐng)域的研究者提供系統(tǒng)設(shè)計(jì)參考。