作者： |
发布时间：Mon, 15 Jun 2026 16:00:00 GMT
[国信证券] AI赋能资产配置（三十八）：Agent赋能开发行业轮动策略核心观点
摘要
本报告探讨了利用AI Agent（Codex）开发高夏普率行业轮动策略的路径。通过**“行业趋势优选+ETF落地+国债现金管理”**的框架，AI成功构建了初始夏普率大于1的策略。在此基础上，结合分析师专业知识（RRG模型）与大规模网格测试，进一步优化了策略的稳健性与收益表现。
正文
初始基准策略：AI自主开发的“行业动量+风险平价”框架
在无监督环境下，AI Agent选择了以夏普率 > 1为目标的行业轮动方案：
- 资产配置比例： 60% 行业组合 + 40% 十年国债ETF（作为防守与现金管理）。
- 选股逻辑： 剔除“综合”行业，按过去500个交易日风险调整收益排序，精选前 6个 申万一级行业。
- 权重分配： 行业内部采用等风险权重（Risk Parity），避免高波动行业主导风险。
- 2019年以来回测表现：
年化收益率：12.29%
夏普率：1.04
最大回撤：-11.92%
年化波动率：11.85%
策略进阶：分析师Know-How与Agent协同优化
基于AI确定的“量价轮动”基础框架，进一步引入**RRG（相对旋转图）**核心逻辑进行深度开发：
- 人机协作： 通过与Agent多轮对话，进行方向排查、母策略确定及样本敏感性测试。
- 网格搜索： 对超过 1000余条 风控规则进行网格搜索，并对调仓频率、RRG平滑窗口、ETF映射评分等维度进行全参数遍历。
- 核心思想： 结合行业动量（中期趋势持续性）与风险风控，提升策略在不同市场环境下的适应性。
最终结果与稳健性分析
经过优化后的策略在不同起点下均展现出优异的收益风险比：
- 2017年以来（长样本）：
- 年化收益率：14.70%
- 夏普率：1.068
- 最大回撤：-20.13%
- 2019年以来（近样本）：
- 年化收益率：20.64%
- 夏普率：1.339
- 最大回撤：-18.86%
结论
AI Agent在策略开发中表现出极高的效率。 通过Codex生成的初始框架为策略奠定了坚实基础，而“分析师经验+AI计算能力”的结合（如RRG模型的参数网格搜索）则是提升策略实战价值的关键。该策略证明了行业轮动结合固收资产垫的模式在复杂市场中具备较强的抗风险能力。
风险提示
- 过拟合风险： 参数选择可能存在对历史数据的过度依赖。
- 成本评估： 交易成本仅计入单边万五，未考虑冲击成本及申赎费用。
- 流动性限制： 实盘容量、流动性折价及ETF持仓披露的滞后性可能导致实际表现与回测偏差。
延伸阅读
研报PDF原文链接