一、大模型生态与应用展望：多模态与Agentic AI推动投研应用加速迭代
- 大模型迭代速度未减，模型生态趋势已基本稳定。闭源大模型占主导地位，国产开源模型独树一帜。模型评价维度多元化，多模态、工具调用成为必选项。多模态能力已成为当前应用需求最高、也正在出现模型能力跃升的一个维度。Agentic AI理论已逐步完善，相关基础设施已较为完备，可支持应用快速落地，投研等垂直领域的专家型Agent将成为核心发展方向。
- 投研领域，多模态与Agentic AI将加速大模型应用的迭代。多模态将带来更丰富的信息来源与应用场景，提升工作效率。投研Agent专家将是业界核心探索方向，在主动投研辅助和投资决策生成方面将集中出现新的应用成果。
二、2026年资产配置年度策略展望：通胀再起行情下，如何对风格和行业进行配置？
- 目前宏观状态及宏观一致预期：整体经济仍属于弱复苏阶段，通胀缓步回升。海外降息持续以及AI大规模资本开支推动下，2026年上游通胀态势能有进一步回升。出口外需方面，明年仍能维持强势，为国内经济提供有力支撑。内需方面，明年仍然需要政府出台更多的促内需的政策提振国内消费。市场盈利的角度预测明年市场的净利润同比水平有望进一步抬升。
- 风格配置：明年成长仍强，但趋于均衡。从小盘成长往大盘均衡进行倾斜，微盘风格往茅指数进行切换，红利板块仍能稳健表现。
- 行业配置：维持对基本面因子的关注。加大对于基本面因子的关注；盈利和分析师预期因子强度有所回落，但仍能有所表现，值得持续配置；质量因子能仍持续表现；估值动量因子表现能回暖。
三、2026年因子选股展望：指增AI策略失效分析及优化方式
- 市场微观结构变迁与AI策略的适应性危机：风格范式的剧烈轮动与因子反转效应；线性与非线性策略在极端环境下的绩效分化。
- 策略同质化困局与失效的深层统计学归因：行业内部的“策略同质化”是导致本次回撤的内生核心原因。
- 外围风控体系：多种类、多周期事件化的开放式择时框架。构建了一套独立于选股模型之外的外部风控系统——基于多种类、多周期事件化的全自动开放式择时框架。
- AI核心模型的针对性优化：LGBM与GRU的迭代升级。通过因子加权、HuberLoss改进以及Memory模块与CVaR损失的引入，有效降低了模型超额回撤，提升卡玛比率。
- 前沿技术应用展望：从“单点预测”走向“系统生态”。生成式AI与强化学习：自动化因子挖掘体系的构建；时空图神经网络（STGNN）：捕捉产业链传导与板块轮动。
四、2025年权益基金投资展望：主动权益基金超额收益回归
- 2025年主动权益基金Alpha回归：主动权益基金的业绩表现剥离掉风格和行业因素后，Alpha贡献了一部分超额收益，但整体超额收益来源大部分仍来自风格和行业。
- 影响主动权益基金alpha的因素分析：行业景气度分化为主动权益基金创造超额收益机会；板块内基本面分化程度决定了Alpha获得的难易程度。
- 科技+周期双主线行情下，主动权益基金Alpha或将持续：周期、科技板块的个股分化程度有望保持较高水平，仍有利于Alpha的获取。
- 业绩基准新规下，选股Alpha成为主要的超额收益来源：新规严控基金投资组合与基准的偏离，并拟对公募基金“风格漂移”问题实施严格管控。
- 以宽基为基准的基金将如何选择？：主动权益基金的优势减弱，宽基ETF因其交易灵活性和较低的交易成本，值得推荐；挖掘并关注真正具有自下而上选股能力的基金经理。
- 科技+周期基金哑铃型配置逻辑下的主动&被动选择：科技及周期主题的主动权益基金有望继续获得alpha，主动管理的行业主题基金有配置价值。
- 基于AI预测的个股Beta信息的ETF轮动策略持续优化迭代：持续采用“自下而上”的个股信息并聚合到指数上构建基于AI模型的机器学习ETF轮动策略。
五、总结
六、风险提示
