AI赋能资产配置(二十一)：从Transformer到Agent，量化投资实战有何变化？-251104-国信证券.pdfVIP

AI赋能资产配置(二十一)

从Transformer到Agent，量化投资实战有何变化？

核心观点策略研究·策略专题

核心结论：①Transformer通过时空融合、多关系建模突破传统模型局限，证券分析师：王开证券分析师：陈凯畅

021021

其代表模型GrifFinNet显著提升股票收益预测准确性。②Agent是量化投资wangkai8@chenkaichang@

的全流程决策载体，分层多智能体框架模拟“宏观-行业-企业-组合-风控”S0980521030001S0980523090002

专业投资流程，通过角色模块化与流程自动化，实现从数据采集到实盘对接基础数据

的闭环，解决纯模型“信号落地难”问题。③Transformer与Agent深度耦中小板/月涨跌幅(%)8227.81/-1.82

合形成“建模精准化+决策自动化”的一体化体系，打通从特征建模到实创业板/月涨跌幅(%)3196.87/-1.28

AH股价差指数119.64

盘交易链路，实现全流程赋效。④未来AI赋能量化投资将向精准化、自动A股总/流通市值(万亿元)97.04/89.15

化、稳健化进阶，Transformer与Agent的协同优化将构建更适配复杂市场市场走势

的智能量化生态。

Transformer是量化投资的高效建模架构，能突破传统模型技术瓶颈。传统

量化模型（如CAPM、GARCH、LSTM等）在处理非线性关系、时序动态及多源

数据融合上存在局限，而Transformer架构凭借自注意力机制与长序列建模

能力，实现了结构依赖与时序动态的深度融合；其代表性模型GrifFinNet

通过构建行业归属与机构共持多关系图、设计自适应门控融合模块、采用紧

密时空集成架构，在股票收益预测实证中，准确性显著优于LSTM、XGBoost

等传统工具，为量化投资提供精准信号输入。

Agent是量化投资的全流程智能决策体，可解决传统量化投资的多方面问题。资料来源：Wind、国信证券经济研究所整理

针对传统量化投资中单一技术孤立应用、数据融合难、决策层级模糊等问题，相关研究报告

Agent系统构建“宏观筛选—企业分析—组合优化—风险控制”的分层架《估值周观察(11月第1期)-盈利修复，估值下挫》——

2025-11-02

构：顶层宏观智能体筛选高潜力行业，分析层四大智能体（基本面、技术面、《AI赋能资产配置（十八）-LLM助力资产配置与投资融合》—

—2025-10-29

新闻、研报）协同处理多源数据（结构化财务指标、非结构化文本情绪），《AI赋能资产配置（十九）-机构AI+投资的实战创新之路》—

配置层组合智能体通过强化学习动态分配权重，防护层风控智能体实时调整—2025-10-29

《估值周观察(10月第3期)-全球普涨，A股成长反弹》——

风险敞口；该架构模拟专业投资机构决策流程，提升策略的可解释性、抗波2025-10-26

《策略观点-积跬步，行稳致远》——2025-10-21

动能力与合规适配性。

Transformer与Agent深度耦合可形成一体化量化体系，推动AI对量化投

资全流程提效。二者并非简单叠加，而是通过“功能封装+流程补全”实

现协同：将Transformer嵌入Agent分析层以强化特征提