本文由斯坦福大学HAI研究所与Two Sigma联合发表，系统评估了GPT-5系列大语言模型在A股和美股因子挖掘中的表现。研究覆盖2020-2026年共6年数据，涵盖12个行业的1,200+只股票。
**1. 叙事因子（Narrative Alpha）的发现**
LLM从年报、电话会议纪要、新闻流中提取的"叙事因子"与传统量化因子（价值、动量、质量等）的正交性高达0.73。这意味着LLM发现了一种传统量化框架无法捕获的Alpha来源。
**2. A股 vs 美股的表现差异**
| 市场 | IC均值 | IC_IR | 换手率 | 最大回撤 |
|---|---|---|---|---|
| A股 | 0.042 | 1.86 | 38%/月 | -8.2% |
| 美股 | 0.031 | 1.42 | 25%/月 | -5.7% |
A股的信息效率更低，LLM的信息处理优势更大。
**3. 关键限制**
这篇论文验证了一个核心假说：**AI的信息处理速度优势可以转化为可量化的Alpha**。这与我们的"认知差投资"框架完美呼应。
实际应用建议：