国信证券：AI赋能资产配置（三十五）：用AI来“接管”投资时钟-260127

核心观点 基于改良版投资时钟框架，围绕数据投喂、图片投喂、逻辑投喂三条技术路径，对AI的宏观周期识别能力进行了对比实验，并以分析师划分作为基准，从逐月阶段一致性、阶段稳定性、周期叙事完整度三层维度进行评估。结果表明，AI在该类任务中的表现差异并非简单取决于模型能力强弱，而更取决于技术范式与宏观问题结构的匹配度：数据路径易被噪声牵引、图片路径更利于构建中期框架但存在平滑陷阱，逻辑/智能体路径能够高效对齐共识但并不等同于独立推演能力。 1.数据投喂：工程化判别放大噪声，导致周期碎片化与回撤式反复在纯数据驱动路径下，模型倾向于把任务理解为逐期依据数值规则分类，从而对月度边际变化高度敏感，表现为阶段频繁切换、周期轮数被过度切割、同一轮内阶段回跳明显。该现象并非模型推理不足，而是宏观周期识别的非工程属性在数据口径下被放大：宏观数据噪声与频率错配客观存在，政策—经济之间存在滞后与博弈期，周期识别更像中期叙事而非逐月最优分类。在资产配置语境中，这类结果意味着更高的调仓摩擦与更低的策略可操作性，即便局部时点判断“方向正确”，也难以形成稳定的中期配置框架。 2.图片投喂：形态感知替代数值阈值，提升轮廓一