以下为对“DeepSeek读季报:2026Q1基金经理将押注哪些赛道?”(国金证券,2026-01-28,高智威、赵妍)的一份详尽、逐章解构与图表深度解析报告,内容基于原文逐页梳理与摘录,并在引用原文结论或推断处给出页码溯源标识。全文结构清晰,覆盖方法论、宏观与市场观点、行业分布、选股与选赛道逻辑、图表解读、估值与风险评估及审慎性评论。以下每条基于原文的结论或推断在句末均加注了原文页码标识以便溯源。
一、元数据与总体概览(引言与报告概览)
- 报告标题:DeepSeek读季报:2026Q1基金经理将押注哪些赛道?(证券研究报告).
- 作者与发布机构:作者为高智威、赵妍,报告由国金证券股份有限公司发布,公开发布时间为2026年01月28日。
- 研究对象与主题:以公募基金2025年四季报(特别是固收+、混合型FOF及主动权益基金经理季报)为样本,利用DeepSeek-V3大模型与RAG(检索增强生成)流程对基金经理对宏观、A股、港股、行业与风格观点进行提取、归类与定量统计,旨在判断基金经理将押注的赛道与选股逻辑。
- 报告核心结论速览(作者意图):作者通过构建检索增强+大模型的分析框架指出:TMT(尤其人工智能方向)占据绝对优势;制造、周期、金融地产在Q4呈上升边际;整体宏观情绪中“看好”样本数量上升、“不看好”样本不足10%;A股与港股大比例样本未给出明确观点(无观点比例高);行业与风格分化明显,基金经理在资产配置上对A股/债券/黄金/海外有分歧。此类要点在报告摘要及多处章节中反复陈述。
二、方法论与数据处理(检索增强与DeepSeek流程)
- 方法论概述:报告采用Retrieval Augmented Generation (RAG) 框架结合DeepSeek-V3模型,流程包括基金筛选与预处理、文本分块、向量化(采用“xiaobu-embedding-v2”)、知识库检索、提示词设计与大模型输出,最终进行定量统计与人工校正。该方法用于克服季报长度超出单次大模型token限制的问题并实现观点结构化提取。
- 关键步骤与假设说明:文本先按换行符与句号分块以提高检索精度,向量化模型与检索语句针对不同分析任务独立设计,提示词(prompts)与知识库检索是输出质量的关键;样本筛选对基金类型、观点字数(>=100字符)与基金经理任职时间有明确要求,这决定了样本代表性与可比性。
- 方法论的潜在弱点(作者亦指出):大模型输出具有随机性,向量检索可能未覆盖全部基金经理观点,提示词差异会导致输出差异,这些风险在报告风险提示中明确列出。
并列展示:报告所示的RAG分析流程图(用于说明方法论流程)
该图为报告给出的RAG流程可视化,展示了“基金筛选与预处理 → 季报观点知识库构建 → 提示词设计与大模型输出”三大模块的工作流。
三、逐节深度解读(逐章剖析)
(注:下列每节均先对章节内容做总结,再解析作者的推理依据、关键数据与假设、以及其中潜在限制。)
3.1 宏观经济观点(章节要点)
- 章节摘要:报告将基金经理对宏观的观点分为六个维度:经济增速、通胀、货币与财政政策、就业、进出口、地缘政治/国际环境,并指出在这些维度中经济增速、通胀与进出口分歧最为突出。
- 关键论断与数据:一部分基金经理认为“稳运行、制造业与高技术支撑、全年GDP目标可完成,增速估计在4.5%–5%区间”,另一部分担忧内需不足导致下行,部分预计四季度环比回落至4.6%以下。
- 推论依据与假设:看好派依据为产业端(制造与高技术)回补与政策宽松预期;悲观派基于消费与房地产低迷的传导风险;作者没有给出单一GDP模型或敏感性参数,但明确是基于基金经理文字观点的归纳而非经济模型推演,因此结论更多反映市场参与者预期而非统计预测。
- 图表与统计(分布图):宏观观点分类统计图显示“无观点”占比较高,而“不看好”样本低于10%,看好样本占比上升(相对三季报)。见图表4以百分比柱状展示趋势变化(2025Q3 vs 2025Q4)。
- 图表展示并解读: 图表显示:无观点栏显著最高(超过50%-60%级别),说明季报文本中大量文件未对宏观做前瞻性意见;看好在Q4小幅提升,不看好下降至<10%。该图支持文本里“看好比例提升、不看好比例下降”的结论。
- 评论与限制:以文本为基础的观点分类存在“无观点”驾驭样本过多的问题(解释力受限),且基于基金经理文本并不等同于其实际投资仓位变化,存在表达与实际操作的差异(报告未在本节提供交叉验证如仓位变动数据)。
3.2 A股市场观点(章节要点)
- 章节摘要:作者从市场结构、未来走势、上市公司业绩、估值、资金流等维度汇总基金经理观点,并将对A股走势的观点分类为“看好/不看好/中性/无”。
- 关键结论与数据:四季报中无观点样本占比>40%,看好占比为34.50%,不看好仅少数;在市场走势、业绩与估值三个维度分歧明显,但关于未来业绩判断和资金流预期较为一致(偏向积极)。
- 图表展示与解读: 图表6显示2025Q3 vs Q4的各类观点占比,明显“无”与“看好”两栏占比较高,印证文本结论:基金经理更倾向于“无观点”或“看好”,而“中性/不看好”占比较小。
- 分析与假设:看好派强调年初资金面与居民/机构配置改善、A股回报率的全球比较优势;谨慎派强调估值已修复至历史中枢偏高,需盈利支撑。两派的分歧核心在于对估值能否被业绩增长消化的判断。作者基于基金经理文字观点归纳,但并未提供量化业绩预测或估值敏感性参数(如PE目标区间或盈利假设),因此对“估值是否合理”的判断停留在定性层面。
3.3 资产配置观点(章节要点)
- 章节摘要:对固收+及混合型FOF的资产配置偏好做汇总,覆盖A股、债券、黄金、海外资产、风格与行业等。
- 关键结论:关于A股配置分歧显著(增配/降配/维持不一),债券侧多数倾向中短久期高等级信用、黄金被多数认同为配置价值但操作分化,海外分为积极增配/削减/维持中性三派并存。
- 解读与逻辑:基金经理的资产配置逻辑由对宏观预期、资金流与风险偏好共同驱动;例如认为居民储蓄再配置与外资回流是权益类资金供给的重要来源,从而支持增配逻辑。
- 局限:报告以文本观点为主,未给出组合级别的实际仓位变动或统计显著性检验,因此不能直接断言基金真实资产配置举措与季报表达完全一致。
3.4 港股市场观点
- 要点:主动权益基金经理对港股观点多为空(>80%无观点),看好比例仍高于不看好,但总体热度较三季报有所降温。
- 图示: 图表8显示“无观点”占比极高,这限制了对港股整体趋势的判断精度。
- 说明:港股观点样本稀缺导致结论可靠性较低,作者也在风险提示中强调样本覆盖不全问题。
3.5 各行业深度:结构性偏好与细分热点(以TMT、周期、医药、金融地产、消费、制造、新能源为主)
- 总体结论:2025Q4看好行业排序为:TMT(绝对优势)、制造、周期、新能源、消费、医药生物、金融地产;TMT尤其集中在人工智能(占TMT中51.30%)且制造中军工/商业航天、周期中有色金属占比上升。
- 图表(行业分布): 图表9显示不同行业被看好的占比变化与Q3对比,TMT占比最高且环比小幅提升。
- 细分热点图(细分行业分布): 图表10明确展示人工智能、半导体、云计算、存储等在TMT及有色/新能源在周期板块的高度集中。
- TMT(详解):基金经理把AI视为核心长期主线,关注算力(芯片、服务器、光模块、PCB)、云服务、AI应用(企业级Agent、行业大模型)、端侧(AI终端、AR眼镜)与软件服务化。选股逻辑强调“技术选代、商业化验证与订单可见性”。
- 风险提示:估值被快速透支、下游应用盈利被模型能力吞噬、供应链集中的订单风险与地缘政治影响。作者列举许多选股维度但未给出量化目标价或DCF输入参数。
- 周期:有色(金属)与化工被多位基金经理看好,逻辑为全球流动性改善、供给端出清(反内卷政策)及新兴需求(新能源/AI/储能)。选股偏好指向资源端龙头与供给收缩明显子行业。
- 医药:创新药、CRO/CDMO与医疗器械为主线,重点在于临床数据读出、出海授权与CDMO订单恢复;估值选择上偏好“仿转创”与全球竞争力强的标的。
- 金融地产:银行/券商/保险/地产呈明显分化,金融股的估值修复主要依赖资产质量改善、非息收入增长与利率环境;地产侧重点在头部房企与物业管理的防御性价值。
- 消费:服务消费(免税、旅游、餐饮)与新兴消费(潮玩、宠物、出海品牌)为关注点,白酒大众化品与家电在政策推动下被视为“有配置价值”的子赛道。
- 制造与新能源:机器人、航空航天(商业航天)、工程机械、半导体设备、储能、风电、光伏与新能源汽车材料链均被反复强调;选股逻辑强调政策(反内卷、十五五规划)、出海能力与技术壁垒。
四、图表与视觉数据深度解读(每图逐一说明、解读、联系文本与可能局限)
(下列图示均为报告中关键可视化,按原文页码顺序展示并解读)
-
图表1(RAG流程图,page=1)
描述:展示RAG流程(基金筛选→分块与向量化→知识库检索→提示词→模型输出)与预处理逻辑。
解读:该图说明报告结论来源于“文本到向量到检索到生成”的闭环流程,强调模型依赖于检索语句与提示词(prompt engineering)质量;因此输出的稳定性受检索库覆盖度与提示词设计影响较大。
局限:流程图是方法论说明,未披露检索库规模、向量索引参数(如向量维度、相似度阈值)、提示词模板具体文本与过滤规则,这限制再现性评估。
-
图表3/4(宏观观点分布,page=3)
描述:柱状图显示2025Q3与2025Q4中“看好/不看好/中性/无”四类宏观观点的比例对比。
解读:图示表明“无观点”占比最大,说明很多季报并不包含前瞻性宏观判断,且Q4“看好”有所上升、不看好下降(<10%),支持报告结论。
局限:未给出样本量(N)与行业/基金类型分布,难以判断统计误差或样本偏倚对结果的影响。
-
图表6(A股观点分布,page=4)
描述:对比Q3与Q4关于A股市场走势观点的比例分布。
解读:显示“无观点”与“看好”为主,具体看好占比34.50%(文本中提及),表明基金经理对A股总体偏乐观但很多报告未表态。
局限:同样缺少样本N、行业权重、及是否对冲基金/被动基金被纳入,使得样本外推的可信度受限。
-
图表8(港股观点分布,page=5)
描述:显示港股“无观点”超80%,看好与不看好分别很小。
解读:表示港股相关季报的前瞻性表述稀缺,导致结论样本不足。
局限:港股结论难以推广,作者亦提示了这一点。
-
图表9/10(行业与细分行业分布,page=5-6)
描述:行业被看好的占比图与细分行业条形图(含AI、半导体、有色、商业航天等)。
解读:TMT占比最高且人工智能占TMT内部51.30%,制造中军工/商业航天环比提升、有色在周期板块受重视;图表直观反映投资者偏好向“科技与资源并重”倾斜。
局限:比例反映“多少基金经理表示看好某行业”,但并不等于资金量或仓位尺度(即看好一个小基金与大基金影响力不同),报告未提供按管理规模加权的行业偏好统计,这会影响对市场冲击力的判断。
-
图表32(风格观点分布,page=18)
描述:成长/价值/大盘/小盘/微盘/红利/无 的观点分布条形对比(Q3 vs Q4)。
解读:无观点仍占主导(>50%),成长总体仍被较多基金经理看好但Q4看好成长比例较Q3有所下降,价值与红利略有上升,说明部分经理由成长转向价值或红利性防御布局。
局限:同上,文本标签与实际仓位可能不一致;且未展示风格偏好是否在大盘/中小盘之间产生实际资金流。
五、估值分析(报告是否提供与我的解读)
- 报告并未编制公司/行业层面的明确估值模型(如DCF、PE敏感性表、EV/EBITDA对比)或给出目标价与区间;其主要输出为“观点提取、行业/细分赛道偏好与基金经理选股逻辑”,而非传统券商研报式的估值推导与目标价。该事实在报告结构与正文中均可观察到(目录与正文未列估值/目标价章节)。
- 因此报告对“估值”只以定性方式讨论(如“估值处于历史中枢偏高/偏低”或“估值修复预期”),并未给出可用于实证回测的估值输入(例如折现率、永续增长率或可比倍数的选择与加权)。这限制了读者将观点直接转换为交易信号的能力,也限制了对“作者目标价可靠度”的评估。
六、风险因素评估(报告列举与我的扩展解读)
- 报告明确列出三项主要风险(大模型输出随机性与准确性风险;模型token与检索覆盖限制;提示词依赖造成结果敏感),并反复在结尾强调这些模型方法学的局限性。
- 基于报告内容,可进一步扩展的风险包括:样本选择偏差(筛选标准可能排除短文本但高影响力的基金报告)、观点表述与实际仓位不一致风险、图表比例未按基金管理规模加权导致“影响力”估计失真、以及行业观点的同质化造成策略拥挤风险(尤其AI/TMT主题)。这些均基于报告披露的样本筛选与方法学说明作出的合理论断。
七、批判性视角与细微差别(审慎评估)
- 样本覆盖与代表性:报告样本筛选规则(需>=100字符、基金经理未变更、基金类型限定)虽能提升观点质量,但也可能排除大量短而关键的策略声明或高影响力组合变动公告,从而造成“沉默偏差”。报告自述了覆盖不全问题,但未量化未覆盖样本比例与可能的方向性偏差程度。
- 观点与仓位差异:季报文本可能更多是“合规性披露”而不是完整的投资行动蓝图,经理在季报中“无观点”并不代表其未在私下调整仓位;报告未与仓位或持仓变动数据(如基金月报持仓)交叉验证观点—这降低了结论的操作指向性。
- 指标与权重缺失:行业/风格“被多数基金经理看好”并不等于“资金大幅流入”,报告未提供按管理规模加权的偏好统计,也未给出行业偏好与未来收益之间的因果验证。此为重要的可改进之处。
- 方法透明度:虽然给出RAG流程示意,报告未披露向量模型的具体参数(向量维度、检索top-k、相似度阈值)、提示词样例或人工校正规则,限制学术可复制性与外部验证。
- 内部一致性:报告多处提及“多数基金经理看好成长/看好A股/看好港股”同时又指出“无观点占比较高”(>40%或>80%),表面看似矛盾,但实则表明在有观点的子样本内偏好集中;报告应更清晰地区分“总体样本内观点比率”与“有观点子样本内观点比率”以避免解读误差。
八、结论性综合(要点回顾与行动性提示)
- 主要发现整理:
- 方法与创新点:报告以RAG+DeepSeek的技术路线实现对海量季报文本的自动化观点抽取,这在投研自动化上具有示范意义,但方法透明度需提升以利复现。
- 宏观:基金经理整体情绪在Q4中转向“偏乐观/中性”,不看好比例不足10%,但宏观文本中“无观点”占比较高(显示出报告样本内很多季报并未提供前瞻性的宏观判断)。
- A股/港股:A股看好占比约34.5%,但无观点仍>40%;港股无观点>80%,显示港股前瞻性表述稀缺,结论可靠性相对较弱。
- 行业偏好:TMT为绝对优势,人工智能是TMT内部的重点(占TMT中51.30%),制造(包含军工/商业航天)、周期(有色金属)及新能源也得到较多关注;但报告未按资金量加权,故“影响力”需谨慎衡量。
- 风格:成长仍是多数经理偏好,但Q4看好成长的比例较Q3有所下降,价值/红利/小微盘的关注度略升,且无观点样本仍超过50%,需谨慎解读风格转向的确定性。
- 对于机构与投资者的可操作建议(基于报告结论的客观推断):
- 若依据报告观点构建策略,应优先考虑:在TMT/AI主题中挑选业绩可验证、订单/商业化路径明确且估值未被过度透支的细分龙头;在周期/资源类板块中优选供给端受限、现金流优良的龙头企业;并在配置上关注资金规模加权后的市场影响力以避免主题拥挤风险(此为对报告方法的必要补充说明)。这些操作建议均基于报告所列基金经理观点与行业选股逻辑的归纳。
- 最终立场重申(作者立场):作者总体传达的判断是“基金经理在2025Q4更倾向于TMT/AI与制造、周期等并重的配置,同时宏观与A股观点总体偏向中性偏乐观,但大量报告未表态使得结论需谨慎外推”。
附:报告中提及的重要图表列表(便于快速检索)
- 图表1(RAG流程示意)——/images/25f455a...jpg?page=1。
- 图表3/4(宏观观点分布)——/images/8555e589...jpg?page=3。
- 图表6(A股观点分布)——/images/41f03f19...jpg?page=4。
- 图表8(港股观点分布)——/images/1e041edc...jpg?page=5。
- 图表9(行业分布)——/images/f2d8ad41...jpg?page=5。
- 图表10(细分行业分布)——/images/4e92d975...jpg?page=6。
- 图表32(风格观点分布)——/images/889c2c0b...jpg?page=18。
風險提示(并再次溯源):
- 报告方法本身有随机性、检索覆盖局限、提示词敏感性等三类模型风险(报告末尾明确列示),使用本报告结论进行投资前须结合仓位数据、规模加权偏好及宏观/基本面量化验证以降低模型固有的不确定性。
結語:
本次解构力求把原文的每一项重要论点、数据点与方法学进行拆解并解释其含义与限制,并对报告中的所有关键视觉展示做了逐图解析。总体看,报告在“自动化抽取基金经理观点”方面提供了可复制的框架与有价值的定性洞见(尤其是对TMT/AI偏好的高频识别),但其结论的操作性与可交易性受限于(1)样本覆盖与加权方式未披露、(2)观点与实际仓位的可能偏离、(3)缺乏估值量化与目标价支持等因素,建议在把这些观点用于实盘前,配合仓位/资金量化数据与估值模型进行二次验证与敏感性分析。