2001知识资料|2004四资产|2020多ETF

从宏观状态到
ETF选择

长期知识资料下的多ETF配置测试

本次新增结论:60份研报与81条核验事实已扩展为2001—2026年的308个知识节点。79个决策月中,回看核心、加入代理、加入探索三层分别形成3,902、4,286和4,602个事实槽;同期保守与同期严格口径分别为461和55个。五套快照的未来信息、重复映射、过期事实和显式时间泄漏检查均为0,清楚量化了“覆盖更完整”与“时间口径更严格”之间的取舍。

旧收益实验:下方79个月收益线仍来自237份旧Agent输出,输入是原宏观、事件与30行业经营数据,未读取本次新快照。因此它只保留为历史基准,不是“新知识库重跑结果”,也不能据此宣称新知识改善收益。

研究分两步形成组合:Agent先判断境内权益、境外权益、债券、黄金和现金的配置倾向,再从当期可交易ETF中给出优选与回避名单;程序统一完成权重映射、T+1执行、成本扣除和回测。

从截止信息到下一期ETF组合的研究流程
点击图表可放大查看完整流程
知识源轴
308节点
代表性ETF
27只
旧ETF实证
79个月
旧Agent输出
237份
对照策略
6种

真实重复检验最终12场景×4条件×3重复已完成:格式间平均配置距离3.20个百分点,同格式重复波动均值3.25个百分点。当前样本不支持把旧单次实验的差异直接解释为格式效应。另已提供前向模拟冻结、结算与失败登记工具。查看诊断结果|运行与验收说明。

01

研究范围

新知识看覆盖,旧输出看收益:两条证据线不混读

2001—2026年知识源轴已完成五套历史回填验收;2004—2026年四资产实验与2020—2026年多ETF实验是此前形成的收益样本。新快照尚未替换237份既有Agent输出,因此本页不把知识覆盖升级写成收益升级。

60份研报到308个知识节点及五套历史回填验收
图1|从研报样板到五套历史快照。60份研报形成81条核验事实,69条历史序列被分为53条核心、5条代理、4条探索和7条排除,随后生成308个可截止节点。79个决策月的五套验收结果把覆盖范围与时间严格性直接摆在同一张图上;这些数字描述知识工程,不描述策略收益。
五种研报历史回填口径在79个月中的事实槽与行业覆盖
图2|五套新知识快照的月度覆盖。回看三层在每年3月都会因公开统计数据尚未齐备出现事实槽与行业覆盖缺口;加入代理与探索后最高覆盖28和30个行业。同期核心从2023年7月才开始出现,同期严格口径有77个月为0,仅在可核验首发数据出现后保留事实。图中没有收益曲线。
+

真实模型重复检验

格式间距离与重复波动相近;行为变化不等于收益改善

使用gpt-6-astra(low)完成12个冻结历史场景、4种信息条件、每条件3次独立请求,并设置相同后处理的纯规则基线。两轮合计180次真实成功调用;最终比较144份响应,含输入、prompt和schema逐字一致的108份基础响应复用,以及36份修正增量新调用。复用没有被计为新独立样本。

格式间配置距离3.20个百分点,对应重复波动3.25;增量组距离3.96,对应重复波动3.15
相同输入也会产生配置波动。跨格式距离没有超过对应重复波动的均值;去重增量的距离略高,但各场景表现不同,不能据此宣称更好的投资判断。精确服务端快照、temperature与seed未公开,历史身份记忆风险仍然存在。

首版附加行业段落包含基础事实的重复子集,全部原记录已保留,附加条件不用于纯增量解释。修正版按已审核指标、统计期、频率、值和单位去重,排除修订、冲突和不明确口径;11场各增加1条饮料零售观察,末场增加8条新观察。因此本实验检验的是有限的观察增量,尚未验证完整新知识库的收益效果。查看聚合结果。

02

动态ETF池

2020年首月可用18只ETF,样本末增至27只

固定研究名单包括27只宽基、风格、行业、跨境、债券、黄金和现金类ETF。每月按当时状态重新准入,要求至少12个月历史且近月日均成交额中位数不低于1,000万元。

2020年至2026年动态可用ETF数量
图3|各月可用ETF数量。首月18只产品满足历史长度、流动性和量价特征要求,之后随产品上市和历史积累增至27只。
Agent加V1的ETF平均权重排名
图4|Agent+V1的ETF平均权重。黄金、现金和债券类别的可选工具较少,因此单只产品平均权重较高;该排名反映工具数量与持仓共同作用。
03

旧输入六策略回测

237份既有输出的历史基准,不是新知识回测

以下收益线来自更新知识库之前冻结的237份Agent输出。六种策略共用2020年1月至2026年7月的79个持有月;信号在月末形成,下一月首个交易日开盘执行。它们保留用于比较旧实验,但没有回答新回填知识是否改善收益。

六种策略2020年至2026年累计净值
图5|旧输入六种策略累计净值。在原237份输出中,无知识库Agent期末净值最高,ETF动量次之;V1波动较低,期末净值低于前两者。本图未使用本次研报回填。
六种策略回撤路径
图6|六策略回撤路径。V1的全样本最大回撤小于无知识库与ETF动量;但在2022年3月至10月的预定义区间,V1略差于无知识库。
六种策略年化收益与年化波动散点图
图7|年化收益与波动。分层逆波动的Sharpe为1.16,在六种策略中最高;V1的Sharpe为0.91。
六种策略年度收益率热力图
图8|年度收益率。知识版本的相对表现随年份变化;2026年数据仅覆盖1月至7月。
04

旧输入Agent配置行为

原V1/V2观察到差异,格式效应尚未识别

下列持仓与理由仍来自原237份输出。79个场景中有64次大类倾向不同(81.01%)、55次优选ETF集合不同(69.62%)、42次回避ETF集合不同(53.16%)。ETF名单按集合比较,排列顺序不影响权重。每个场景仅运行一次,尚未隔离模型随机性,因此这些观察不能直接归因于格式,也不代表新增回填知识的效果。

修正后的V1与V2行为差异,ETF按集合比较
行为比较口径修正。原来的69次优选名单差异中,14次仅是排列不同;52次回避名单差异中,10次仅是排列不同。修正不改变原冻结收益、持仓权重和绩效。
三种Agent的五类资产月度权重热力图
图9|三种Agent的大类资产权重。V1平均权益配置为38.54%,低于无知识库的43.00%;债券与现金合计40.06%,高于无知识库的35.66%;黄金配置基本相同。
三种Agent理由标签的分类频率
图10|理由标签频率。三种Agent均频繁引用量价状态;V1和V2额外引用增长、估值、通胀与海外信息。
三种Agent的CAGR Sharpe和最大回撤
图11|三种Agent核心指标。V1的年化波动和最大回撤幅度低于无知识库版本;无知识库版本的CAGR更高。
2020年2月与2024年9月两个Agent决策案例
图12|两个预定义案例。2020年2月,知识版提高防御配置,相对少赚3.61个百分点;2024年9月,海外权益、黄金与债券配置相对多赚1.64个百分点。两个案例分别记录知识判断失效与有效的月份。
05

研究报告与Prompt

从60份研报识别指标,再把核验事实接回历史

研报只负责告诉系统“行业研究员通常看什么”,数值必须重新回到官方或第一方来源。81条核验事实随后与69条历史序列逐条人工对口径,生成308个V1/V2节点;预测、评级和推荐始终与客观事实分开。新增结论来自下列五套回填验收,而不是旧收益线。

  1. 60份研报覆盖30个行业,提取研究中真正使用的跟踪指标
  2. 81条核验事实数值回到官方或第一方来源,剥离预测与评级
  3. 69条序列分层53核心、5代理、4探索、7排除,不混用口径
  4. 308个知识节点生成V1事件叙事与V2结构化摘要,并逐月截止

单场景Prompt结构

每次运行只提供截止T-k的信息、历史检索片段、当期可用ETF和固定输出字段。真实月份及下一期收益由实验程序隔离。

查看脱敏Prompt字段 ↗|查看知识库公开层 ↗
{
  "current_knowledge": {
    "macro_event": "截止摘要",
    "industry_facts": ["客观经营事实"]
  },
  "retrieved_history": ["T-n节点"],
  "eligible_etfs": ["动量/波动/回撤/流动性"],
  "output_contract": {
    "asset_tilts": "五类资产 -2..2",
    "preferred_etfs": "最多5只",
    "avoided_etfs": "最多3只",
    "evidence_nodes": "2-6个截止节点"
  }
}
06

旧输入归因与稳健性

旧237份输出的Bootstrap区间均跨零

V1相对无知识库的收益差归因
图13|V1收益差归因。V1相对无知识库的月收益算术差合计为-6.89个百分点,其中大类配置-4.33、ETF选择-6.13、交互+3.61、成本-0.04个百分点。
六种策略交易成本敏感性
图14|交易成本敏感性。V1、V2和无知识库的年化换手分别为262%、274%和256%;成本提高至40bp后,CAGR分别降至7.71%、7.14%和8.61%。

旧实验复算结果与冻结指标一致:六种策略各包含79个持有月,474组资产权重均归一化,年度收益和归因加总误差低于1.6×10-15。V1减无知识库、V2减无知识库及V1减V2的配对Bootstrap 95%区间均跨越0;这些统计没有读取五套新知识快照。

07

研究与公开边界

结果与代码可复算,原始资料按版权和数据许可管理

数据来源说明:ETF行情底层来源为新浪财经,经AKShare接口取得;知识资料来自项目全局T轴及其官方/第一方数据源。收益、风险、换手和Bootstrap为本项目计算值(R/A),可由公开月度结果复算;收益差归因为内部R/A,公开材料仅支持分项加总核验(B)。核验日期为2026年9月2日。查看样本与数字来源登记 ↗

公开研究包含ETF池、聚合结果、知识schema与合成样例,以及数据采集、场景构建、API调用、输出校验、六策略回测、Bootstrap和全部研究图代码。

查看数据与代码 ↗