AI赋能资产配置：DeepSeek对国信多元资配框架的优化

微信扫码，打开到小程序

AI 赋能资产配置 DeepSeek 对国信多元资配框架的优化 证券研究报告 | 2025 年 2 月 19 日 请务必阅读正文之后的免责声明及其项下所有内容 证券分析师：邵兴宇 010-88005483 shaoxingyu@guosen.com .cn S0980523070001 证券分析师：王开 021-60933132 wangkai8@guosen.co m.cn S0980521030001 证券分析师：董德志 021-60933158 dongdz@guosen.co m.cn S0980513100001 联系人：郭兰滨 010-88005497 guo lanbin@guosen.com.cn 投资策略 · 宏观固收 摘要 项目概述：本项目聚焦原有 5 个短期资产配置模型“等权重”配置的局限性，接入 DeepSeek 实现“打分指示的 股 债强弱”指数的智能迭代优化，提升资产配置的前瞻性与决策有效性 优化过程：一是让 DeepSeek 进行静态学习，投喂短期模型逻辑以及底稿等核心信息，训练 DeepSeek ； 二是让 DeepSeek 进行动态纠偏，挖掘历史数据中“先验权重”与“真实走势”的差异，迭代优化； 三是让 DeepSeek 进行推理应用，基于宏观指标预测值完成 2025 年全年的指数外推 优化结果：等权重平均组合五个短期模型结果，降维后胜率 38.52% ； AI 赋能权重优化（ DeepSeek-V3 ） ，胜 率提升至 60.61% ，实现显著优化 风险提示：模型过拟合风险；数据口径调整风险； AI 推理的不稳健性 图 1 ：打分指示的股债强弱（ DeepSeek-V3 接入前） 图 2 ：打分指示的股债强弱（ DeepSeek-V3 接入后） 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ， DeepSeek ，国信证券经济研究所整理 资料来源： Wind ， DeepSeek ，国信证券经济研究所整理 图 3: 周期划分示意图 图 4 ：短周期示意图 资料来源： Wind ，国信证券经济研究所整理 资料来源： Wind ，国信证券经济研究所整理 图 5 ： 中周期示意图 图 6 ：长周期示意图 资料来源： Wind ，国信证券经济研究所整理 资料来源： Wind ，国信证券经济研究所整理 短周期 判定核心：基于美林时钟、周期叠加、 货币信用、信贷库存、政策组合等框架， 结合综合通胀指标，研判近月股债强弱 应用价值：对短期股票盈利与估值提 供指引，捕捉交易机会，把握市场短期 波动节奏 中周期 判定核心：关注“资产价格”向“内 在价 值”回归的路径，分析经济周期、企业盈 利趋势等因素 应用价值：指引 3-5 年维度的资产配 置决策，优化股债配置结构，平衡成 长 性与价值回归 长周期：科技驱动的结构性变迁 判定核心：科技革命驱动的 40-60 年 的超长期经济周期 应用价值：提供大类资产配置的宏观 视角，捕捉科技创新和产业变革带来 的 长期投资机遇 请务必阅读正文之后的免责声明及其项下所有内容 国信周期框架：统筹短、中、长，多维视角指引资配 美林时钟框架（工业增加值 +PPI ）：经济增长周期和通货膨胀周期 货币信用框架（货币政策目标 + 信用脉冲）：关注的两大因素为货币周期和信用周期 财政货币框架（货币政策力度指数 + 财政政策力度指数）：关注的两大因素为货币政策周期和财政政策周 期 信贷库存框架（票据余额增速 + 贷款余额增速）：类比实体库存周期从金融角度来刻画库存周期的波动 产能库存嵌套框架（ PMI+ 产成品存货 + 产能利用率）：关注库存周期和产能周期两类周期性指标 图 7: 周期降维的思路框架 请务必阅读正文之后的免责声明及其项下所有内容 短周期：大类资产配置框架的加法（统筹）和减法（降维） 资料来源： 国信证券经济研究所绘制 请务必阅读正文之后的免责声明及其项下所有内容 短周期框架汇总 资料来源： Wind ，国信证券经济研究所整 理 图 8: 短周期框架最新指 引 所处阶段 阶段起点 阶段终点 表现 股票 债券 商品 49% 2023/7/31 2024/5/31 牛市 51% 44% 震荡 2014/7/31 2015/1/31 复苏 熊市 39% 39% 39% 复苏 2011/7/31 2012/9/30 2020/11/30 2021/11/30 2017/8/31 2018/9/30 过热 震荡 牛市 熊市 震荡 牛市 10% 43% 35% 22% 43% 17% 39% 41% 20% 43% 12% 39% 33% 28% 38% 滞涨 2013/7/31 2014/7/31 滞涨 熊市 38% 43% 34% 2009/12/31 2011/7/31 2018/9/30 2020/1/31 震荡 牛市 20% 47% 14% 60% 29% 30% 过热 2015/12/31 2017/8/31 震荡 熊市 47% 33% 37% 2012/9/30 2013/7/31 震荡 7% 7% 33% 作为经济周期的两大指标——综合景气指标和综合通胀指标，两者对股票价格的指引映射到两个不同的维度——盈利和估值。当基本面（综合景气指标） 上行时，经济上行的背后往往是企业盈利的改善，对应股价上行；当价格（综合通胀指标）下行时，往往预示着货币政策的宽松，利率下行，这会改善股票的估值，对 应股价上行。从价值投资的角度，我们往往更为关注盈利，其代表了企业的业绩、长期竞争力 研究发现，综合景气指标对行业盈利增速有领先性，表现为领先正相关，这与经济周期的理论相一致；综合通胀指标对行业盈利的提示不及综合领先指标， 分行业来看有如下结论： 综合景气指标对周期、成长、红利、大盘等风格板块和建筑、建材等行业板块具有较强的领先正相关；对稳定、小盘等风格板块和金融、银行、电子、 通信等行业板块的领先正相关性较弱；对电力设备、公共事业等板块具有领先负相关性 综合通胀指标对有色、消费等行业板块具有较强的领先正相关；对电力设备、机械等行业板块的领先正相关性较弱；对红利、低估值等风格板块和通 信、电子、银行、医药等行业板块具有领先负相关性 图 9: 经济周期划分时段 请务必阅读正文之后的免责声明及其项下所有内容 2021/11/30 2020/1/31 2015/1/31 2023/7/31 2020/11/30 2015/12/31 短周期：大类资产配置框架的加法（统筹）和减法（降维） 资料来源： Wind, 国信证券经济研究所整 理 石油石化 煤炭 有色金属 电力及公用事业 钢铁 基础化工 建筑 建材 轻工制造 机械 电力设备 及新能源 国防军工 汽车 商贸零售 消费者服 务 震荡 -8.5 4.8 -7.4 15.9 5.3 -10.0 22.9 -18.6 -14.9 -3.3 -16.4 -4.9 -11.6 -5.4 -7.1 复苏 -14.4 -8.4 -5.9 -8.9 -18.7 11.8 -6.2 8.9 14.9 9.6 15.5 6.4 14.0 -1.1 44.4 过热 -6.6 -15.0 -11.8 0.0 -12.4 -4.9 -5.4 0.9 3.7 -7.7 1.7 -0.6 3.5 -12.9 -9.1 滞涨 4.2 0.4 12.3 -5.7 3.7 9.7 -7.3 0.9 -2.5 6.2 22.3 14.0 8.1 -3.0 5.5 家电 纺织服装 医药 食品饮料 农林牧渔 银行 非银行金融 房地产 交通运输 电子 通信 计算机 传媒 综合 综合金融 震荡 -0.4 -2.8 -14.4 -15.7 -6.0 9.7 41.6 4.1 15.7 -18.1 -10.4 0.4 -3.7 -1.2 -26.6 复苏 6.7 10.4 7.6 17.9 10.8 -10.5 -16.3 2.0 -0.4 4.2 14.6 14.1 0.8 -1.7 -26.5 过热 20.7 -12.2 10.6 4.6 -0.8 8.8 -0.1 0.0 -9.9 24.3 12.4 10.1 22.0 0.7 -4.6 滞涨 -1.1 -1.3 3.7 10.8 -0.5 -3.8 -12.4 -12.3 -5.1 9.0 -7.1 8.4 -12.1 -0.2 -11.6 巨潮大盘 巨潮中盘 巨潮小盘 中证红利 周期 消费 金融 稳定 成长 低估值 高估值 震荡 5.4 -6.3 -9.8 6.6 -4.7 -10.9 19.2 21.4 -10.3 11.1 -14.5 复苏 -9.9 -7.2 1.2 -4.4 3.5 10.8 -10.8 -7.7 7.5 -14.2 -0.3 过热 0.1 0.5 -0.6 -2.7 -7.8 3.2 3.7 -5.4 9.0 0.5 3.9 滞涨 -4.8 -1.5 3.1 -3.1 3.5 2.6 -8.6 -5.5 6.2 -6.7 -1.7 各周期下的风格 / 行业表现 行业历史表现 - 震荡配金融、复苏看周期 震荡期表现最好的三个行业为：非银行金融 (41.6%) 、建筑 (22.9%) 、电力及公用事业 (15.9%) 复苏期表现最好的三个行业为：消费者服务 (44.4%) 、食品饮料 (17.9%) 、电力设备及新能源 (15.5%) 过热期表现最好的三个行业为：电子 (24.3%) 、传媒 (22.0%) 、家电 (20.7%) 滞涨期表现最好的三个行业为：电力设备及新能源 (22.3%) 、国防军工 (14.0%) 、有色金属 (12.3%) 图 10: 四阶段下的行业表现 （超额收益） 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ， 国信证券经济研究所整 理 基于短周期的大类资产和风格配置规律图 图 11 : 四象限下股债配置和风格 / 行业规律 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所绘 制 中周期：聚焦资产比价 中周期框架下的资产配置以均值回归为核心思想。均值回归认为，资产价格在长期会围绕其内在价值波动，即使短期内出现偏离，最 终也会回归到长期平均水平。这种规律在金融市场中普遍存在，是资产配置的重要依据 中周期框架强调在中期维度（ 3-5 年）进行资产配置。与短期波动不同，中期维度的资产价格比价关系更稳定，均值回归规律也更为明 显。通过压缩观察窗口，投资者可以更好地捕捉资产价格的阶段性偏离，并据此调整配置策略 图 12: 中周期配置思路 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所整 理 请务必阅读正文之后的免责声明及其项下所有内容 长周期下的康波视角 资料来源： Wind ，国信证券经济研究所绘 制 资料来源： Wind ，国信证券经济研究所绘 制 图 13 ：康波周期的划分与宏观变 量 图 14 ：康波周期与技术创新周 期 现有资产配置框架及其改进空间 Deep Seek 优 化 资 配 模 型 的 嵌 入 逻 辑 Deep Seek 优 化 资 配 模 型 的 具 体 过 程 未来改进方向 风险提示 目录 请务必阅读正文之后的免责声明及其项下所有内容 02 01 04 03 05 现有资产配置框架及其改进空间 现有资产配置框架：大浪淘沙选出的体系 • 美林时钟：基于经济增长与通胀周期，划分复苏、过热、滞涨、震荡四阶段，指示各阶段股债强弱格局 • 货币 + 信用：关注货币与信用周期组合，分析流动性与融资节奏对股债市场的影响 • 财政货币组合：通过财政与货币政策的搭配，刻画政策驱动下的资产价格变化 • 信贷库存：以信贷增速与票据贴现为“金融库存” ，反映信贷周期中的股债配置机会 • 库存产能周期嵌套：结合库存周期与产能周期，动态捕捉供需变动对股债市场的双向影响 改进空间：采用固定等权重配置，未根据历史信息调整五个模型的权重。忽视了不同时期各短周期框架对市场预测贡献度的差异 图 15 ：现有资产配置框架概览与应用方式： 国信研究资产配置体系工具箱 图 16 ：打分指示股债强弱指标生成逻辑图（降维过程等权重） 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所绘制 资料来源： Wind ，国信证券经济研究所绘制 分散每个模型不 确定性的风险， 单一降维 选择最为契合当前 政 策和经济语境的 模型 将宏观数据变成重 点成分 / 因子，过往 强相关性动态演绎 重点逻辑不突出 ， 容易合成谬误 。是 无奈解而非最优解 事中或事后验证， 结果导向之嫌 中间过程黑箱化， 因子 ≈ 盲盒产生 过拟合问题 类似扩散指数的算法 ，每 个指标等权贡献 ，避免单 一因子影响偏离 ，不篡历 史数据，道术皆无 2021 年疫后经济爬坡，国 内外的货币政策的两端均在 稳增长和抗通胀间单边倒向 前者，因此选择产出缺口模 型替代美林时钟，有道无术 每期按照模型来形成几个重 要因子，赋予权重得分，拟 合优度高，宏观逻辑不清， 有术无道 在分析师构造的宏观原理基 础上，动用大模型运算方法 学习优化，道术兼备 资配体系的对立与统一 图 17 ：资产配置体系的对立与统一：如何解决核心问题堵点 扩散指数 （等权重） 删繁就简 （单一模型） 模型处理 （主成分、因子） 请务必阅读正文之后的免责声明及其项下所有内容 历史数据动态学习、样本完善、丰 富扩容，选择当前最适用模型并匹 配权重，并非“上帝摇骰子” 应用特点 存在问题 典型案例 人工智能 （ DeepSeek 接 入） 大浪淘沙选出的 体系 工具箱怎么选取 应用？ 库存产能周期 嵌套 资料来源：国信证券经济研究所绘制 货币 + 信 用 资 配 框 架 政策组合 信贷库存 美林时钟 2020 年以来经济主要矛盾切换和资产配置体系优化 以国信证券在 2016 年首 创的中国版“美林时钟”——“货币 + 信用”风火轮为例， 2020 年以来传统的照顾体系在资产配置中逐步更迭： 2021 年核心 矛盾是海外地缘影响下的企业增收不增利，锚定利润增速指标； 2022 年核心矛盾是融资数据剥离掉短期票据和贷款的冲 量，回归企业中长期信贷对利润的持续支撑； 2023 年关注点在于剥离国央企贷款因素，找到衡量居民信心的家庭部门中 长贷款增速，流动性焦点从国内变迁到海外； 2024 年关注财政脉冲发力对实体信心的修复 图 18 ： 2020 年以来大类资产配置模型的选择和变迁历程 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind, 国信证券经济研究所整 理 现有资产配置框架及其改进空间 Deep Seek 优 化 资 配 模 型 的 嵌 入 逻 辑 Deep Seek 优 化 资 配 模 型 的 具 体 过 程 未来改进方向 风险提示 目录 请务必阅读正文之后的免责声明及其项下所有内容 02 04 01 03 05 问 题 DS 的 优 势 原有模型采用固定等权重配置，未根据历史信息调整五个模型的权重，稀释了过往数据中特定模型主导市场预测的特征， 简 单加总信号对冲了模型的解释力 应用 DeepSeek 的优势 • 深度推理判断： DeepSeek-R1 大模型具备强大的推理和复杂决策能力，提升配置策略的智能化水平 • 高维数据挖掘：可在庞杂的高维数据中提炼关联性，而非依赖传统数学模型，打破线性约束，避免黑箱 • 动态自我修正：持续基于历史与现实的差距进行修正迭代，优化权重配置，提升未来预测的精准性 第二步 第三步 历史回溯，挖掘先验权重对未来的解 释程，以及与实际变化的差异 这一过程实质上是在探索“权重优化路 径”，以便为 AI 提供学习依据，指导其 在未来动态调整权重的规律 这一过程是 AI 的学习过程，让 AI 基于底稿中 的历史数据进行“静态学习” ，并挖掘先验 权重与实际变化之间的差异进行“动态纠偏” 这一过程是 AI 迭代学习成果的应用， 使 AI 基于当前（或预测）的周期和宏 观经济指标，输出预测结果 DeepSeek 优化资配模型的嵌入逻辑 图 19:DeepSeek 的优化逻辑 请务必阅读正文之后的免责声明及其项下所有内容 DS 嵌 入 逻 辑 第一步 基于 Xgboost 等算法 确定每个基础模型 的权重变化 给定周期或 宏观指标 资料来源： 国信证券经济研究所绘制 基于权重 构建指数 输出结果 原有模型 现有资产配置框架及其改进空间 Deep Seek 优 化 资 配 模 型 的 嵌 入 逻 辑 Deep Seek 优 化 资 配 模 型 的 具 体 过 程 未来改进方向 风险提示 目录 请务必阅读正文之后的免责声明及其项下所有内容 02 05 01 03 04 衍生 DeepSeek 优化资配模型的具体过程 - 技术路线图 图 20:DeepSeek 的优化路径 Prompt 指令： ① 学习底稿数据和短期框架，挖掘背后深层 信息（静态学习） ② 比较基于“先验权重”生成的打分指数与真实 股债强弱的偏差，并结合历史与近期数据进行 校正（动态纠偏） 输入给 AI ：短期 框架的底层逻辑、 如何指示配股配债 输入给 AI ：“周 期 - 宏观指标 - 打 分指数”映射关系 输入给 AI ：更优 权重的确定方法 短期模型框架 长文本