金融工程行业深度研究：LLMRouter_GRU，“舆情分诊台”赋能AI量价因子.pdf

金融工程行业深度研究：LLMRouter_GRU，“舆情分诊台”赋能AI量价因子。

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。