本报告聚焦利用大模型技术结合量化回测方法,构建覆盖A股市场行业&主题型ETF的基本面指标体系,实现细分主题的月度跟踪与横向对比。通过自动化Prompt设计映射指标产品与ETF主题关系,精选信号化指标进行回测验证,构建复合信号辅助主题择时。回测结果显示,多数主题择时策略实现显著超额收益,平均年化超额收益率达11.04%,尤其食品饮料、半导体和畜牧业主题表现优异,彰显大模型在ETF主题跟踪中的应用价值与投资指导意义
| 行业 | 2023-9排名 |
|---|---|
| 煤炭 | 1 |
| 房地产 | 29 |
| 银行 | 4 |
| 畜牧业 | 25 |
| 建筑 | 13 |
| 传媒 | 30 |
| 指标名称 | 交易次数 | 胜率 | 盈亏比 | 得分 |
|---|---|---|---|---|
| 易煤北方港动力煤指数5500K | 21 | 0.81 | 5.30 | 7.73 |
| 发电量火电山东当期值(月) | 33 | 0.73 | 3.94 | 6.55 |
| 期货成交量INE原油日 | 39 | 0.67 | 3.96 | 6.32 |
| ETF主题 | 年化超额收益率 | 月度胜率 |
|---|---|---|
| 食品饮料 | 26.03% | 69.70% |
| 半导体 | 24.93% | 65.38% |
| 畜牧业 | 20.61% | 77.42% |
| 酒 | -13.42% | 47.17% |
| 医疗 | 3.48%-1.01% | 55.77%-49.28% |
报告标题:大模型助力数据标注,赋能ETF主题跟踪
作者:赵文荣(量化与配置首席分析师)、伍家豪(数据科技分析师)
发布机构:中信证券研究部
发布日期:2023年10月18日
主题:利用大模型技术强化ETF主题跟踪与数据标注,提高ETF主题投资策略的效率和性能。
本报告聚焦行业和主题型ETF(交易型开放式指数基金)的主题跟踪问题及其投资应用难点,提出并验证了基于大模型技术辅助数据标注与量化回测的方法,构建ETF主题基本面指标体系,实现了对主题基本面变化的高频跟踪与信号化,从而辅助投资者实现主题择时和主题间横向对比。
核心结论包括:
本报告明确展示了大模型(如GPT3.5)在金融海量数据标注与投资策略构建上的应用路径及成效,强调其在数据资产整合、主题基本面变化信号挖掘、ETF主题横向对比等方面的赋能能力,兼顾技术创新与实际应用的有效结合,3,6,15,16]。
报告指出,行业及主题ETF数量和资产规模持续快速扩张,截至2023年9月25日,行业&主题ETF数目达到463支,总规模6339亿元,占权益类ETF市场约50%比重,超越规模指数ETF,显示行业和主题ETF正成为市场主力产品。结构上,证券、消费、创新药为数量较多及规模较大的主题,科技主题如传媒、通信设备、云计算等行情火热。
从行业收益率相关性来看,随着市场板块轮动加速,行业排名波动明显(相关性平均-0.12且8个月出现负相关),增加了主题及产品选择的难度,凸显细分主题跟踪的挑战,4,5]。
全球及中国经济数据量迅猛增长,中国占比预计由2022年的23%提升到2027年的27%,为大模型智能挖掘提供了数据基础。报告强调数据质量差和利用率低的问题:数据错误、披露延迟、不关联等造成信息噪声,计算成本高却未必有效。
大模型(GPT系列,尤其GPT3.5)通过超大参数规模压缩超大量训练样本知识,实现语言理解与知识蒸馏,能够自动化、高频率地完成海量经济指标的主题关系映射与标注,显著提升数据资产的利用效率和准确度。此外,人工标注虽精准但成本高且更新慢,而大模型自动化标注则低成本且可快速更新,满足高频主题景气追踪需求,6]。
报告设计了基于GPT3.5的PromptEngineering技术结合量化信号回测的ETF主题指标筛选流程(见图4)。流程主要包括:
借助恒生聚源数据库,涵盖数十万个指标与近两万个产品,重点是量价类指标,占比最高,数据来源多样且覆盖面广,月度更新频率占44%,保证指标的时效性与跟踪能力。指示农业、医药和汽车工业的指标尤为丰富。指标的数量、类型分布,更新周期均体现出数据资产的广度和深度,适合于构建细分主题跟踪体系。
设置基金经理身份的Prompt设计,结合示例调试,确保GPT3.5理解复杂映射任务,自动匹配指标产品与ETF主题。使用API接口进行自动化批量处理,理论上可在1天内完成上万个类别产品的标注任务。报告展示了具体API调用代码,体现技术实现透明度和可复制性,10,11]。
这两图支持了报告关于行业主题ETF热度高、市场份额持续扩大趋势的论点。
此数据突出了报告选用大模型处理经济数据库的必要性。
这些图表直观展现了底层数据资源的丰富性和多维度,为建立广泛且精准的主题跟踪指标体系提供数据支持。
整体工作体现了指标从原始多样数据到量化信号再到策略应用的严谨流程,模型与量化验证环环相扣,13,14]。
该案例具体揭示了指标体系和量化信号的实战价值,验证了方法有效性的重要证据,16,17]。
该部分是报告量化成果的集中展现,体现出模型构建指标体系不仅能辅助行业理解,也在投资表现上得到验证。
报告重点不在传统公司估值,而是围绕ETF主题基本面信号的指标构建和择时策略。构建方法核心包括:
该逻辑以量化收益为目标,不涉及传统的DCF或多因子估值模型,而是以经济指标波动对基金表现的映射为核心估值参考。指标打分通过胜率及盈亏比进行量化,保证回测的策略合理性和风险控制。未提供敏感性分析细节,但通过相关性的限制等手段,系统抑制冗余指标风险,14]。
报告明确指出四类风险因素:
报告未详细说明具体缓解策略,但暗示采纳多维度回测及信号验证环节有助于减少即时误导风险,同时对数据依赖敏感,提醒投资者谨慎对待模型结果,18]。
报告整体逻辑清晰,数据范围丰富,结合大模型与量化回测形成系统策略,但仍有数点可进一步审视:
报告侧重方法与实证,投资建议较积极,适合对大模型赋能金融数据及ETF主题策略感兴趣的专业机构投资者参考,13,18]。
本报告系统展示了基于大模型GPT3.5技术结合量化信号分析,创新构建ETF细分主题经济指标体系与动态跟踪方法的完整路径。在面对海量数据质量不均与信息利用效率低的痛点时,通过设计Prompt工程实现大规模指标产品自动映射,辅以筛选信号化指标及回测评价,成功构建了可操作的ETF主题跟踪策略框架。
报告从宏观产业数据资产增长背景入手,强调行业&主题型ETF市场的快速扩容和板块快速轮动对高频主题跟踪的需求。通过实证显示,筛选后的指标聚合信号能有效捕捉主题基本面变化,具体策略年化超额收益11.04%,月度胜率63.01%,部分主题(如食品饮料、半导体)收益更为显著,提供投资者明确的择时和主题横向对比工具。
报告附以详实图表,例如:
风险警示聚焦数据准确性、大模型计算能力和监管环境,提示实际应用仍需谨慎。
总体来看,报告成功证明了大模型结合金融经济数据,能显著提升ETF细分主题投资策略的精度与效率,为行业&主题ETF投资者提供了具备一定先导性和实践操作价值的系统方法论和实证支持。
此分析遵循报告内容和结构,秉持客观专业原则,力求详尽覆盖、精准解读,以助于深入理解大模型在ETF主题投资中的应用价值和局限。
机器学习系列:大模型应用专题(二) 大模型助力数据标注 赋能ETF主题跟踪.pdf