AI赋能资产配置（三十五）：用AI来“接管”投资时钟.pdfVIP

证券研究报告|2026年01月26日

AI赋能资产配置（三十五）

用AI来“接管”投资时钟

核心观点资产配置研究·专题报告

基于改良版投资时钟框架，围绕数据投喂、图片投喂、逻辑投喂三条技术路

径，对AI的宏观周期识别能力进行了对比实验，并以分析师划分作为基准，

从逐月阶段一致性、阶段稳定性、周期叙事完整度三层维度进行评估。结果

表明，AI在该类任务中的表现差异并非简单取决于模型能力强弱，而更取决基础数据

于技术范式与宏观问题结构的匹配度：数据路径易被噪声牵引、图片路径更中小板/月涨跌幅(%)8883.33/9.51

利于构建中期框架但存在平滑陷阱，逻辑/智能体路径能够高效对齐共识但并创业板/月涨跌幅(%)3349.50/4.51

AH股价差指数119.63

不等同于独立推演能力。A股总/流通市值(万亿元)102.85/93.98

1.数据投喂：工程化判别放大噪声，导致周期碎片化与回撤式反复市场走势

在纯数据驱动路径下，模型倾向于把任务理解为逐期依据数值规则分类，从

而对月度边际变化高度敏感，表现为阶段频繁切换、周期轮数被过度切割、

同一轮内阶段回跳明显。该现象并非模型推理不足，而是宏观周期识别的非

工程属性在数据口径下被放大：宏观数据噪声与频率错配客观存在，政策—

经济之间存在滞后与博弈期，周期识别更像中期叙事而非逐月最优分类。在

资产配置语境中，这类结果意味着更高的调仓摩擦与更低的策略可操作性，

即便局部时点判断“方向正确”，也难以形成稳定的中期配置框架。

2.图片投喂：形态感知替代数值阈值，提升轮廓一致性但需警惕平滑陷阱

图片投喂路径的优势，核心在于多模态模型通过对斜率、波峰波谷相对位置、

多指标空间关系的整体感知，天然完成趋势优先、弱化噪声的滤噪过程，从资料来源：Wind、

而在周期轮廓与阶段顺序上更接近分析师框架，阶段切换密度也显著降低，相关研究报告

更利于构建可用于大类配置的中期叙事。与此同时，这一路径的有效性具有

《策略周报-行情结束的信号出现了吗？》——2026-01-24

阶段依赖性。当后宏观环境从寻找趋势转向识别断裂，脉冲式政策冲击与结《策略专题-长线稳定型外资加仓AH高景气板块——2025Q4股

构性断点增多，视觉路径的平滑机制可能转化为平滑陷阱，对突发拐点反应市外资季度动向跟踪》——2026-01-22

《大类资产配置专题-穿越AI叙事的全天候组合》——

滞后。因此，图片路径更适合用于周期框架与趋势轮廓的刻画，而不宜被理2026-01-21

解为对所有阶段边界的精确切割器。《策略周报-活跃资金流入，长线资金流出——1月第2周立体投

资策略周报》——2026-01-19

3.逻辑投喂/智能体：高一致性更多源于共识对标，而非独立宏观推演《策略周报-股市流动性的最新变化》——2026-01-17

逻辑投喂路径在准确率维度表现更优，且在轮数与大周期识别上能够与人工

结果高度对齐。但需要区分这种一致性的来源：在具备搜索、工具调用与沙

箱执行能力的模式下，模型往往通过主动检索权威结论、口径对标与证据整

合来完成任务，其本质更接近研究流程加速器。该模式对形成统一口径、快

速归纳共识具有显著效率优势，但并不等同于模型已经建立起对宏观机制的

独立推演能力。同时，检索与训练语料可能存在滞后、口径差异或事实错误，

浏览器搜索也可能强化主流叙事，带来高度一致但逻辑脆弱的共识偏