量化选基月报：小红书开源首个AI文本大模型，Qwen3金融文本分析测评.docx

敬请参阅最后一页特别声明

敬请参阅最后一页特别声明

内容目录

一、小红书开源首个AI文本大模型，Qwen3金融文本分析测评 4

小红书开源首个AI文本大模型 4

Qwen3金融文本分析测评 4

二、5月份科创50ETF资金净流入 6

三、主动权益型基金5月份表现跟踪 7

5月份主动量化基金表现优于主动权益基金 7

5月份医药、金融地产主题基金业绩领先，TMT主题基金业绩回调 8

四、风格轮动型基金优选组合业绩跟踪 9

五、基于基金特征和基金能力的综合选基策略跟踪 11

六、基于交易动机因子及股票价差收益因子的选基策略跟踪 12

七、基金经理持股网络中交易独特性选基策略跟踪 13

八、附录 15

九、风险提示 15

图表目录

图表1：开源MoE和大语言模型的性能与成本比较 4

图表2：大语言模型多维度性能测试 4

图表3：Qwen3与DeepSeek的使用成本对比 4

图表4：Qwen3-235B-A22B-Base模型与其他开源大模型的对比 5

图表5：市场数据点评任务表现对比 5

图表6：新闻点评任务表现对比 5

图表7：Qwen3模型对于基金经理调研纪要的解析 6

图表8：DeepSeek-R1模型对于基金经理调研纪要的解析 6

图表9：本月资金净流入额Top5和Bottom5的宽基ETF（亿元） 7

图表10：行业ETF5月份资金净流入额（亿元） 7

图表11：5月份收益率中位数：主动权益型基金VS主动量化基金 8

图表12：2025年5月份主动量化基金收益率Top5 8

图表13：行业主题基金收益情况回顾 8

图表14：行业主题基金5月份收益率Top5 9

图表15：风格轮动型基金优选策略净值表现 10

图表16：风格轮动型基金优选策略超额净值 10

图表17：风格轮动型基金优选策略表现 10

敬请参阅最后一页特别声明

敬请参阅最后一页特别声明

图表18：风格轮动型基金优选策略分年度超额收益率 10

图表19：基于基金特征和能力的综合选基策略业绩表现 11

图表20：基于基金特征和能力的综合选基策略超额净值 11

图表21：基于基金特征和基金能力的综合选基策略表现 11

图表22：基于基金特征和基金能力的综合选基策略分年度超额收益率 12

图表23：交易动机与股票价差收益策略表现 12

图表24：交易动机与股票价差收益策略超额净值表现 12

图表25：基于交易动机因子及股票价差收益因子的选基策略表现 13

图表26：基于交易动机因子及股票价差收益因子的选基策略分年度超额收益率 13

图表27：交易独特性选基策略净值表现 14

图表28：交易独特性选基策略超额净值 14

图表29：交易独特性选基策略表现 14

图表30：交易独特性选基策略分年度超额收益率 14

图表31：国金金工选基因子构建方法介绍 15

一、小红书开源首个AI文本大模型，Qwen3金融文本分析测评

小红书开源首个AI文本大模型

2025年6月10日，小红书公布首个开源AI大模型dots.llm1，这是小红书人文智能实验室自研的MoE文本大模型，总参数量达142B，每次推理仅激活14B，模型已在GitHub和HuggingFace上面开源。

dots.llm1采用轻量激活的MoE架构，基于高质量真实语料训练，据模型技术文件介绍，该模型性能媲美Qwen2.5-72B模型。

图表1：开源MoE和大语言模型的性能与成本比较 图表2：大语言模型多维度性能测试

来源：《dots.llm1TechnicalReport》，国金证券研究所 来源：《dots.llm1TechnicalReport》，国金证券研究所

从模型技术文件中披露的测评结果来看，dots.llm1在多个维度上的能力超越Qwen2.5-72B模型及DeepSeek-v2模型，在中文领域的得分甚至超越了Qwen3（非深度思考版本）。

Qwen3金融文本分析测评

2025年4月29日，Qwen团队发布了Qwen3系列大语言模型。Qwen3系列包含2个MoE架构的模型以及dense模型，两个MoE模型为Qwen3-235B-A22B以及Qwen3-30B-A3B。此外，六个Dense模型也已开源，包括Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B和Qwen3-0.6B，均在