人工智能94：大模型情绪路由赋能AI量价，300指增表现优异
　　本研究提出LLMRouter-GRU神经网络，将大语言模型（LLM）对新闻舆情的情感分析能力引入AI量价模型，构建“舆情分诊台”。该结构通过对原有神经网络进行轻量级改造，基于市场情绪动态选择稀疏专家路由，实现了“情绪分域，量价建模”。实证表明，该模型能有效融合另类舆情信息与量价数据，提升指数增强组合表现。在回测区间2022-12-30至2025-06-30内，舆情覆盖度高的300增强年化超额提升达3.0pct，信息比率与最大回撤也有明显改善。
　　LLM-News舆情因子：风格特征清晰，Alpha属性不强
　　新闻舆情是市场反馈最灵敏的另类数据源。本研究基于GLM-4-9B、Qwen2-7B、InternLM2-7B三组大模型构建LLM-News舆情因子，通过高效提示词设计完成海量新闻情感标注。实验显示，该因子虽Alpha属性不强，但呈现清晰的风格特征。后续，我们将利用其清晰可辨的风格特征进行专家分域。此外，该因子在大市值股票池覆盖度更高，将为后续的大市值指增策略提供更为明显的增量信息。
　　LLMRouter-GRU：“情绪分域，量价建模”
　　传统MoE-GRU依赖内生路由，由于决策依据与量价信息同源，因此相较于外生路由，其Alpha增厚的空间可能有限。本研究借鉴LLMoE思想，将预训练LLM作为“智能分诊台”，使用舆情因子替代内生路由器。网络的关键创新在于采用稀疏路由（Sparse Router）方案，通过情绪三分位离散化，仅激活单一专注该情绪风格的GRU专家。相比稠密路由，此设计可显著降低计算成本并避免过拟合风险，且仅需对原有专家网络进行轻量化改造。
　　“舆情分诊台”策略可提升指数增强组合表现
　　LLMRouter-Sparse-GRU相比于传统AI量价模型在五类指数增强场景均取得提升。在回测区间2022-12-30至2025-06-30内，相较于传统GRU，在300增强与500增强场景下，模型年化超额收益分别提升3.0pct与2.2pct，最大回撤同步改善；红利增强和成长增强则分别提升2.1pct和3.7pct；在1000增强提升稍逊，仅提升0.9pct。该策略在GRUa、GRUb两类基座模型上均验证有效，且稀疏路由显著优于稠密路由及简单特征拼接方案。
　　风险提示：大模型基于海量数据训练而成。人工智能挖掘市场规律是对历史的总结，市场规律在未来可能失效。神经网络存在一定的过拟合风险。本文所采用的GLM-4-9B、Qwen2-7B、InternLM2-7B大模型训练截止日最晚为2024年6月底，因此样本外回测时间稍短。本报告不涉及标的推荐。