AI赋能资产配置（二十一）：从Transformer到Agent，量化投资实战有何变化？

证券研究报告 | 2025年11月04日 AI 赋能资产配置(二十一) 从 Transformer 到 Agent，量化投资实战有何变化？ 核心结论：①Transformer 通过时空融合、多关系建模突破传统模型局限， 其代表模型 GrifFinNet 显著提升股票收益预测准确性。②Agent 是量化投资 的全流程决策载体，分层多智能体框架模拟"宏观-行业-企业-组合-风控" 专业投资流程，通过角色模块化与流程自动化，实现从数据采集到实盘对接 的闭环，解决纯模型"信号落地难"问题。③Transformer 与 Agent 深度耦 合形成"建模精准化 + 决策自动化"的一体化体系，打通从特征建模到实 盘交易链路，实现全流程赋效。④未来 AI 赋能量化投资将向精准化、自动 化、稳健化进阶，Transformer 与 Agent 的协同优化将构建更适配复杂市场 的智能量化生态。 Transformer 是量化投资的高效建模架构，能突破传统模型技术瓶颈。传统 量化模型（如 CAPM、GARCH、LSTM 等）在处理非线性关系、时序动态及多源 数据融合上存在局限，而 Transformer 架构凭借自注意力机制与长序列 ...