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 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 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）：

等保 2.0 通用安全架构 设计解决方案 2 从框架与架构说起 十工五任 解决方案 合规 / 产 品 战 略 聚 焦 技术聚 焦 规划视角（ EA 架构分析） 设计视角 （ EA 场景分 析） 覆盖 技术视角 （可运行性分析） 实例化 理 论 化 支撑 图 1. 解决方案架构 十工五任 • 政企网络安全防御全景模型 • 政企网络安全协同联动模型 • 政企网络安全防御建设项目规划纲要 孵化型解决方案 产研 / 交付： • 产品能力化 • 原子能力（技术能力、安全能力、产品能力） • 部署实施 • 安全运行 目录 1 等保合规 2 内生安全框架 3 会战 框架 4 架构营销 等保合规与产品框架 5 等保政策法律地位的提升 计算机信息系统安全保护条例 （国务院令 第 147 号） 商用密码管理条例 （国务院令 第 273 号） 信息安全等级保护管理办法 （公通字 、服务地域和安全责任主体等因素将其划分为 不同的定级对象。  跨省的行业或者单位的专用通信网可作为一个整体对象定级，也可以分区域划分为若干个定级对象。 9 等保安全体系框架 10 等级保护 2.0 安全框架 国 家 网 络 安 全 法 律 法 规 政 策 体 系 国 家 网 络 安 全 等 级 保 护 政 策 标 准 体 系 网络安全战 略 规划目标 等级保护对象 通信网络

在大盘择时、行业轮动、识别财务瑕疵等应用中涉及 到的项目细节、技术原理以及方法对比与优化进行了详细的回答：本文系统 梳理了 AI 技术在策略优化、风险识别与决策闭环中的关键作用，通过动态 学习机制与智能决策框架的构建，AI 能将历史规律挖掘与实时信号解析相结 合，形成具备自我进化能力的智能投研体系。 AI 通过非线性建模技术重构动态赋权机制，显著提升市场适应性。不同于经 典风险平价模型的静态风险分配逻辑，AI 业轮动结果 反哺择时因子，例如，让三标尺中的指标与多因子择时中的宏观因子形成交 叉验证，考虑大盘对行业影响的同时，修正宏观数据滞后问题。 在财务风险识别领域，AI 的优势在于开创性地融合多维度分析框架。通过 结构化财务指标与非结构化文本情感语调的协同分析，构建数值异常检测、 文本语义解析、交易行为分析的三维风控体系。相比 Benford 定律等传统数 值检测方法，AI 在识别隐蔽性造假方面展现独特优势，能够捕捉管理层文本 为智能中枢，整合实时数据管道、动态知识检索与自动化风控模块， 突破传统回测框架的静态局限。RAG 技术实现分钟级市场信息更新与噪声过 滤，Agent 预设的多层级防御机制（包括波动率自适应调整、冗余策略池等） 显著提升黑天鹅事件应对能力。这种架构创新使系统具备"感知-决策-验证- 优化"的完整能力链，推动策略迭代周期从月度级压缩至实时级。 通过"AI 推理+人工兜底"混合模式，使 AI 技术框架业务落地具备双保险。 RAG 与 Agent

第三代英特尔® 至强® 可扩展处理器 英特尔® 傲腾™ 持久内存100系列、200系列 英特尔® 傲腾™ 固态盘 P5800X/P5801X 英特尔® Movidius™ 视觉处理器 (VPU) 软件和框架 OpenVINO™ 工具套件 面向英特尔® 架构优化的 TensorFlow 面向英特尔® 架构优化的 PyTorch 扩展包 面向英特尔® 架构优化的 Python 主编：赵朝卿，秦莉 1-1-4 多样化的英特尔硬件产品矩阵 • 全方位的软件产品助力，包括 OpenVINO™ 工具套件、 英特尔® 深度学习加速技术、英特尔® AVX-512、面向英特尔 ® 架构优化的深度学习框架等。 • 英特尔在 5G、边缘计算（MEC）平台以及 “云 - 边 - 端” 架 构上的一系列成功部署和实战经验。 统也给传统校园 IT 架构带来挑战。部署在教室等系统末端 的设备通常处理能力较弱，而全部通过远端数据中心或云端 • 缺乏规模化人工智能训练、推理所需的算力储备，传统 PC 在执行人工智能训练、推理时效率低下，而要大规模采购 专用设备又必然使教育机构面临巨大成本开支。 • 缺乏面向不同应用场景、不同软件框架的软硬件优化方案， 同时异构设备之间也难以实施有效协同。 • 可选实验场景、器材和软件套件混乱，无法满足真实场景 的学习需要，更无法贴近行业实践要求。 为应对以上挑战，英特尔与众多人工智能教育技术合作伙伴和

能 力 3 技术栈涵盖模型服务、存储、工具与库、框架、 托管与服务等组件 模型服务是智能体的核 心 ，通过大语言模型提供的接口进行 推理服务。存储部分则支持人工智能体的有状态管理 ，例如 使用向量数据库存储对话历史和记忆。 工具与库使得人工智 能体能够调用外部函数并通过工具库扩展其功能 ， 而框架则 负责协调大语言模型的调用并管理智能体的状态 智能体被广泛应用于金融、招聘、营销、供 应链、数据分析、 AI 个人助手、医疗等领域，提供定制化解 决方案。 在平台框架层， 企业级智能体平台帮助企业快速部 署智能体，提高业务效率，而开发者工具提供便捷的框架支 持，简化开发流程并增强应用扩展能力。 算力层则由百度智 能云、华为云等提供强大的云计算资源，支撑智能体的训练 科技巨头如谷歌、亚马逊、微软等推出了大量创新型智能体应用 ，包括语音助手、聊天机器人等 ，提高用户 的体验感 ，推动科技提升服务体验 欧盟强调伦理与法律框架 ，推动在公共服务等领域应用 • 强调智能体的伦理与法律框架 ，设立多重监管机构和伦理研究工作组， 2021 年推出的《人工智能法案》是全 球首个综合性人工智能法规 • 重视智能政务、 自动化公共安全监控和智慧城市管理

% -30-50 % 2-3 10-15 5-7 15-20 情景 企业必须考虑众多因素才能使 AI 实施真正有效。数据可得性问题众所周知，但这只是冰山一角，企业能力和监管框架也十分关键。以监管框架为例：在 2020 年至 2021 年期间，向美 国 食品和药物管理局 (FDA) 提交的材料中使用 AI 的数量增加了十倍。因此，美国食品药品管理局和欧洲药品管理局纷纷发起多项举措，旨在为药物发现环节中使用 使用的认知程度如何，还需要补 充 哪些方面？ • 将 AI 整合进企业流程并保持合规性和质量需要哪 些治理架构？ 监管框架 • 最近针对 AI 使用出台了哪些监管限制？ • 未来监管是否会进一步限制 AI 在制药 领 域的应用？ AI 在研发环节的挑战 数据可得性、企业能力和监管框架 数据可得性 • 该领域的数据可得性现状如何？ • 数据池中是否已经检测到偏差？ 深入探讨 有效实施 % 建立 AI 战略合作伙伴 AI 涉及公司 各个方面 考虑 AI 人才需求 逐步建立 框架 AI 仅作为技术 话题 持续开发和推广 AI 用例 将 AI 整合进公司流程为制药公司提供了提升营收和利润的巨大潜力，机会正当时。许多行业玩家已经建立了成功的应用案例；创建运营防护机制和合理的内部治理架构可以实现

问和操作敏感数据。 在具体实现上，以下表格总结了功能需求的优先级以及技术要 求： 功能模块 需求描述 优先 级 技术要求 视频数据采 集 多源视频接入、实时处理 高 视频处理框架、网络传 输技术 目标检测与 跟踪 实时目标识别与跟踪 高 深度学习模型、计算机 视觉技术 行为识别 可疑行为的实时识别 高 机器学习、模式识别算 法 功能模块 需求描述 优先 技术要求 事件抽取 提取事件关键信息 中 自然语言处理、事件模 型 情感分析 分析事件中涉事人员的情绪状态 中 计算机视觉、情感分析 算法 实时监控视 图 多画面集中显示及控制 中 前端框架、视频拼接技 术 查询与检索 功能 快速检索历史视频数据 中 数据库技术、索引优化 分析报告生 成 自动生成事件报告 低 报告生成工具、模板引 擎 用户权限管 理 多级权限管理，保障数据安全 数据采集：利用 API 接 口抓取来自社交媒体的实时数据，同时 辅以爬虫技术收集公共可访问的用户生成内容，确保所采集数 据的规模和多样性。 2. 数据预处理：对收集的原始数据进行清洗，包括文本框架的标 准化、去除噪声信息和进行格式转换。此外，对于视频数据， 将需要进行切分和转码，为后续模型处理做准备。 3. 情感分析：应用 NLP 技术对帖子和评论进行情感倾向性分 析， 对

术将推动科技产业价值规律的变化，更加注重应用的创新与服务的提升。 • 保险公司在应用AI技术方面的优势和能力：保险公司可以通过分析自身优势并利用AI技术提 高运营效率，包括在产品设计、市场营销、核保及理赔等环节。AI应用研发框架的流式会话 能力可以提高前后端开发的效率。 • 保险公司应用AI技术可参考的方法论：通过价值飞轮、价值网和画布等方法，企业可以更好 地理解业务逻辑，识别关键驱动力，并实现更全面的优化。这些方法提供了有效的工具，帮 保险知识和教育的需求： 消费者寻求更多关于保险 产品的信息和教育，以做 出更明智的购买决策。 WHAT 5 在霍金斯的理论中，参考系是智能体用来存储和处理信息的框架。这些参考系可以是物理的，比 如空间坐标系，也可以是抽象的，比如概念框架。从这个观点出发，大脑利用不同的参考系来理 解世界，例如通过空间关系来理解物体的位置，或通过抽象的概念来理解复杂的思想。正是由于 这种特征的存在，智能体得以从不同角度和层面来理解和处理信息。 竞争格局：研究市场上的主要竞争者、 市场份额分布和竞争策略。 法规与政策环境 02 市场与行业动态 01 技术发展趋势 03 消费者行为与需求 04 风险管理与合规 05 长期视角 06 • 监管框架：了解影响保险行业的法规 和政策，如合规要求、消费者保护法 律等。 • 政策变化：跟踪政策的变化趋势，预 测这些变化对行业的潜在影响。 • 数字化转型：关注数字技术如何影响 保险产品的设计、分销和管理。

深度学习框架 分布式训练系统 大模型推理框架 大模型训练框架 高性能计算资源 弹性云计算平台 分布式计算架构 多模型管理 任务编排和调度 AutoML工具 分布式存储 数据压缩技术 网络数据传输 算力层 AI基础架构层 中间层 应用层 预训练大模型 多模态模型 模型压缩及蒸馏 持续学习 模型层 模型层 大模型推理优化 大模型微调 RLHF 能力分类 开源框架 大厂 澜码 I 应用板块率先拥有成熟产品以及行业成功案例，用 户通过应用澜码ABI产品，大幅降低员工用数成本， 使得80%以上的数据分析任务都通过ABI来完成。 准确可靠的查数 基于澜码开发的ABI对话框架，通 过大模型与指标库的结合，围绕业务人员的数据达 到查数成功率 90% 以上的业界领先效果。 强大的数据分析 澜码ABI产品充分发掘指标库与大 模型结合的能力，在完成查数的基础上，为用户提 l 需要同时处理信息收集、格式核验、字段问答、OCR、 辅助填写、API上报、信息确认等多种要求，用户可随时 打断，发散，并回归 业务流程 执行调用 解决方案 l 使用Master Agent框架，对问题进行观察、反思和行动，并自带记忆，可 进行多种技能灵活调用，通过组合平台多种agent、工作流，综合完成任务 l 通过自定义Master Agent、自定义workflow、自定义API技能、文档知识

捷的解决方案。 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。  随着各国监管政策持续完善，稳定币在合规框架下的发展路径日益明晰，正凭借其独特的价值锚定机制，从数字 货币创新前沿逐步渗透至主流金融场景。 8 稳定币重塑加密货币格局，也演变为重构国际货币体系的关键变量  前十大市值的加密货币中，两大稳定币市值占 稳定币作为连接去中心化金融与传统金融的 桥梁，稳定币的影响力早已突破加密货币市 场范畴，特别是在跨境支付领域，依托区块 链技术显著提升了交易效率，大幅降低了交 易成本。这种技术创新更推动了市场生态的 迭代与监管框架的完善。 此页载有机密数据，其全部成任何部分不可被复制成再发送。本页不构成对任何产品的要约出售/购买、招揽、推荐或建议。关于免责声明全文，请见本文件最后部分。 9  2024年稳定币交易额约37万亿美元，大幅超 100 17 稳定币的风险 价值锚定脱钩风险 表现为稳定币与标的资产的 动态偏离，当储备资产市场 价值波动或抵押率失衡时， 可能触发价格脱钩。 监管不确定性 源于全球数字货币监管 框架的碎片化和不确定 性，不同司法管辖区在 合规要求、准入标准和 运营限制方面存在显著 差异，严重制约稳定币 的跨市场流通能力与业 务拓展空间。 信用风险 主要涉及发行主体的履约能力，