知识增强型 LLM Agent 在多元资产配置中的应用研究

本文探讨了知识增强型 LLM Agent 在多元资产配置（A股、债券、黄金、货币）中的应用，通过 2004 年 1 月至 2026 年 6 月的长周期回测对比了五种策略范式。研究发现，引入知识库能显著增强收益，且非结构化历史事件格式（KB v1）的年化收益（13.24%）优于规范化摘要格式（KB v2）的年化收益（11.02%），揭示了信息呈现方式对模型决策质量的关键影响。Agent 的决策逻辑呈现出“宏观环境-估值水位-市场情绪”的三层架构，在危机时刻具备较强的防御能力。结论认为 LLM 驱动的资产配置在实践中可行，能持续产生超额收益，但目前在行业轮动和全球宏观联动方面仍有提升空间。