回测年化收益26.21%的AI选股策略，2026年实盘超额收益却是负8.7%。同一套模型，回测与实盘之间，隔着一条深沟。这篇稿件拆一件事：大模型选股策略的回测数字该怎么读，实盘又为什么常常翻车。文中数据截至2026年8月21日，来源为华泰、光大、国泰海通、国信、中信建投等券商金融工程报告，逐处标注，只做知识解释，不做产品推荐。

先把结论放在前面：大模型选股不是伪科学，但是讲究环境的工具。今年上半年它跑输大盘，罪不在AI，在于文本因子暴露的小盘与主题风格整体被杀估值，还叠加同类策略的拥挤。读懂AI选股策略，顺序不能反，先看样本外，再看月度拆解，最后看暴露与拥挤。

AI叙事与量化的同频降温

开场先看大背景。量化私募这几年膨胀很快，据浙商证券与中国基金业协会数据，2026年上半年量化私募规模约3.45万亿元，已经和公募股票型基金规模相当。量化投资与机器学习社区（QIML）统计，二季度末百亿级量化私募超过70家，而2020年初只有4家。上证报口径下，6月末量化股票多头策略规模约1.83万亿元，较年初增加1.1万亿元。

规模的另一面是7月的集体回撤。上海朝阳永续数据显示，7月国内纯多头量化基金平均亏损17%，追踪的1300只产品里只有4只正收益，幻方量化旗下9只产品当月跌幅超过20%。私募排排网统计，50亿到100亿规模的量化私募共38家，今年1到7月收益均值为正的只有10家；百亿梯队年内仍红的大约有26家，包括九坤、衍复等。

在此之前，上半年整体其实是赚钱的。招商证券7月中期的策略报告口径，截至2026年6月，量化多头策略私募产品累计收益率约12.6%，跑赢主观多头的7.7%，也跑赢万得普通股票与偏股混合基金指数。也就是说，大回撤发生前，量化跑出了正超额，7月这一跌，把全年超额抹掉一大半，AI信仰也随之松动。

与此同时，AI产业的叙事在退潮。8月23日十大券商策略里，国金证券提示，Anthropic 7月650亿美元的年化收入不及预期且环比增速下行，谷歌Gemini降价以价换量，投资者对AI产业的回报预期正在减弱。模型厂商增收放缓，映射到A股就是相关主题估值回调。场景齐了：规模膨胀、业绩回撤、AI信仰动摇，大模型选股策略恰好在这个窗口接受检验。

回测年化26%，实盘超额为负

被检验的主角，是华泰金工每周更新的文本选股策略LLM-FADT。思路很直白：研报承载分析师情绪，但字句里藏着没写明的话，于是让大模型对研报标题和摘要做六类补充解读，包括标题新解、行情催化剂、言外之意、潜在风险与收益指引，再交给金融版BERT做向量化，最后用XGBoost训练出选股模型。六类解读里，最值钱的是言外之意与潜在风险，相当于让模型把研报里没写透的话补全。

回测数字相当漂亮。截至8月21日，策略自2017年初回测以来年化收益率26.21%，相对中证500的年化超额23.11%，夏普比率1.01，信息比率1.76。单看回测，这是能进教材的组合。但切换到2026年实盘口径，策略超额收益为负8.7%，8月单月超额负6.2%。

这组数字的意思是，一个八年回测年化超额23%的策略，2026年头八个月吐掉将近九个百分点。回测展示的是能力上限，实盘检验的是当期适配度，两者经常不是一回事。

7月亮眼，8月变脸

超额不是匀速亏损，而是剧烈摆动。把2026年的周报数据按月拆开：截至7月24日，策略7月超额收益13.4%，全年超额修复到负1.1%，周报用大幅回暖来形容；到8月14日，8月超额变成负7.5%，全年负9.9%；8月21日，8月超额略修复至负6.2%，全年负8.7%。

单月超额能在正13.4%和负7.5%之间摆动，跨度接近21个百分点，这是文本因子特征的放大版：研报越是追捧的股票，越集中在高波动、高成长与小市值。私募FOF管理人泓贝投资曾点评，这一类暴露既是此前超额的主要来源，也是7月回撤的加速器。文本选股逃不开同一个规律，7月小盘反弹它大赚，8月小盘回落它猛吐。

再对照一下老版本。华泰金工披露，自2024年10月以来，LLM版策略超额总体跑赢只依赖原始文本的BERT版，超额回撤也更小，说明大模型确实贡献了增量；但8月以来两者的超额波动都在明显放大。方法升级是真的，市场适配问题也是真的，两件事要分开看。

白盒样本里的真相

LLM-FADT是券商金工公开发布并持续跟踪的策略，透明度已经算高。再看两个实验，能更清楚大模型的边界。华泰金工3月发布的深度研究显示，基于多智能体的概念选股策略，回测区间2022年12月30日至2026年2月13日，月度调仓的年化超额38.23%；宏观热点选股策略年化超额15.51%，均显著跑赢沪深300。注意，这是发布前的回测，发布后的实盘表现暂未披露。

更有信息量的是光大证券7月的金股投决会实验。它把2022年1月至2026年5月共53个月的券商月度金股当作同一道考题，让纯零样本、预训练、规则式、多Agent协同四种AI范式分别作答，并严格要求模型只能看到时点之前的数据，从流程上杜绝前视偏差。前视偏差是回测的最大作弊器，简单说就是模型偷看了未来，光大把这个口子堵死了。实验结论很克制：AI复现的是历史数据中的统计规律，而非对市场结构的当期理解；行业轮动的真正驱动力，也就是宏观周期位置、政策边际变化与产业链景气传导，并不在现有因子覆盖范围内。

纵向看这三行，会发现一个规律：回测越激进，实盘披露越谨慎。回测38%年化超额的概念选股，没有公开的实盘跟进数据；样本外检验最严格的金股投决会，给出的不是收益率，而是方法论提醒。能长期公开跟踪的样本外数据只有LLM-FADT这一条，而它今年是负超额。

⚖️ 同样的AI，不同的命运

大模型选股翻车，不等于AI量化整体失效。同在8月24日的周报里，国泰海通高频因子团队给出另一组数字：多粒度量价因子（5日标签）2026年多空收益33.29%，多头超额10.25%；基于量价AI的空气指增组合，周度调仓2026年超额7.31%，日度调仓超额11.11%。同样是AI，量价型策略今年在持续赚钱。

不靠大模型的老办法也没输。国信金工8月23日周报显示，优基增强组合年内满仓上涨31%，在主动股基中排名前15%，它不做研报文本，做的是筛出业绩优秀的主动基金、再把成分股叠加量化打分。更早的8月14日，私募排排网披露，50亿到100亿梯队年内正收益的10家量化私募里，华年私募主打低频量化，创始人薛钰新自研的低频模型已运行7年以上，辅以AI技术优化预测，今年1到7月收益均值为正。

差别在哪里？信息源与换手频率。研报文本因子吃的是有人覆盖、有故事股票的溢价，今年这类股票杀估值最狠；量价因子吃的是交易行为里的定价偏差，跟叙事无关；低频基本面因子吃的是估值与盈利的均值回归。同一个AI外壳，装的策略内核不同，命运就不同。

✅ 体检清单：AI选股怎么读

与其追着回测数字跑，不如拿到策略先做五个动作。下面这套检查单，普通读者也能直接用。

❓ 问回测窗口

回测起点选在哪，决定年化数字的成色。2017年起步的回测覆盖了2018年熊市和2021年核心资产牛市，区间长不代表未来有效，但至少能检验穿越牛熊的韧性。如果回测窗口只开到发布前一个月，那基本全是样本内，参考价值要打个大折扣。

❓ 问月度拆解

把超额按月摊开，看是不是靠两三个极端月份撑起来的。LLM-FADT在7月单月贡献13.4个百分点的超额，8月又吐回去，一年波动二三十个百分点。这种策略只适合扛得住深度回撤的资金，不适合当固收替代品。

❓ 问基准口径

超额是相对谁算的，很关键。开源证券口径下，2026年上半年私募中证500指增超额中位数为负0.5%，沪深300指增约正5.0%，基准本身在塌方时，策略即使跑出正超额也可能亏钱。跨产品比较时，窗口、基准、单位都得统一，否则数字没有意义。

❓ 问暴露集中度

看策略在行业和风格上的敞口。文本、小盘、主题因子在风格极端月份会同涨同跌，7月的教训摆在眼前：超额来源与回撤加速器往往是同一个东西。历史超额回撤大的策略，实盘更要做好心理准备。

❓ 问赛道拥挤度

百亿量化超过70家、全行业约3.45万亿元，同类因子被反复使用，超额长期收敛。中信建投金工指出，高频数据因子2023年以来明显衰减，主因是市场缩量与市值风格漂移。一个策略再漂亮，同质化资金多了，超额就会变薄。

尾声：能力上限与下限

回到开头的问题。LLM-FADT的回测是能力上限，今年实盘是环境适配的下限，两者之间隔着风格切换与赛道拥挤两道墙。8月下旬超额从负9.9%修复到负8.7%，单周修复不足以证明反转。若四季度小微盘与主题行情延续，文本策略有回暖可能；若风格继续高低切换，回测的23%年化超额只能继续当参考。

对普通读者，把AI选股策略当成球探报告，而不是炒股软件：报告展示天赋上限，实盘验证当下状态。真金白银之前，先做完上面五个体检动作，再评估自己能不能扛住策略历史最大回撤。对想跟投的大资金来说还要加一问，策略容量多大，这类白盒策略本身不可直接投资，私募同类策略的容量与收费披露又参差不齐，更要问清楚。

回测26%是能力，实盘负8.7%是现实，中间隔着市场环境切换与同类策略拥挤。读懂AI选股，先问样本外，再拆月度波动，最后看暴露与拥挤，顺序不能反。

以上数据来自券商研报与公开报道，策略组合非产品承诺，过往业绩不代表未来表现，据此操作风险自担。

幻方、九坤、明汯这些头部量化机构都在重金押注AI，想看懂它们的打法，先学会给策略做体检。了解基金、量化基金选择，加微信：yxxz798 入群

关注泰然视角，每天一篇量化与基金深度解读，下一篇聊聊公募指增的超额修复还能持续多久。

扫码添加企业微信 · 加入读者交流群

每天一篇深度财经文章 · 了解基金、量化基金选择，欢迎入群交流

扫码添加企业微信

添加微信扫码

（添加企业微信后自动发送入群链接）