这份摩根大通的研报提出了一套革新性的配对交易框架，旨在通过融合人工智能技术来解决传统统计套利策略在现代市场中面临的结构性挑战。该框架包含三个核心层面的改进：首先，利用Ornstein-Uhlenbeck（OU）均值回归模型取代传统的Z-Score方法，通过捕捉均值回归速度和均衡波动率，在除美国以外的全球主要市场显著提升了夏普比率和总回报；其次，引入基于自然语言处理（NLP）的新闻情绪分析作为交易过滤机制，有效规避了与基本面情绪背离的风险交易，特别是在美国市场大幅降低了最大回撤；最后，利用大语言模型（LLM）对市场冲击进行语义归因和分类，区分出诸如供应链中断等“有利冲击”与竞争格局恶化等“不利冲击”，从而实现对交易信号的智能筛选，最终构建了一个适应性更强、风险调整后收益更高的市场中性投资策略。