量化研究系列报告之二十三：让情绪“有结构”，大模型如何挖掘研报新价值

敬请参阅末页重要声明及评级说明 证券研究报告 让情绪“有结构”：大模型如何挖掘研报新价值 ——量化研究系列报告之二十三 [Table_RptDate] 报告日期：2025-08-11 [Table_Author] 分析师：骆昱杉 执业证书号：S0010522110001 邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com [Table_CompanyReport] 相关报告 1. 《临界相变：探寻传统因子中的非线性基因——量化研究系列报告之二十二》2025-06-13 2. 《ETF 资金流透视：被动化浪潮下行业与个股的演进——量化研究系列报告之二十一》2024-12-25 3. 《上市板块差异性视角下的选股策略优化与实战指南——量化研究系列报告之二十》2024-12-23 4. 《破解 Alpha 投资困境：因子择时方案再探索》——量化研究系列报告之十九》2024-09-17 5. 《企业利润分配策略：短期股东回报与长期价值创造的平衡》——量化研究系列报告之十八》2024-08-14 6. 《另辟蹊径：发掘分析师因子中的另类 alpha——量化研究系列报告之十七》2024-06-13 主要观点： [Table_Summary] 本篇报告依托 DeepSeek 大模型，将情感分析从研报标题拓展至摘要层面，结合摘要结构解析与多维量化方法，并基于结构化情绪信号实现对研报摘要价值的重构。 ⚫ 基于 DeepSeek 大模型的研报摘要结构化情感分析 本文依托 DeepSeek 大模型，将情感分析从研报标题拓展至摘要，实现从黑箱评分向结构化、可解释评分的转变。通过拆解摘要结构（业务发展—战略布局、技术创新、渗透率、经营效率；财务表现—盈利质量、稳健性、业绩对比；其他因素—股东行为、政策影响、市场驱动），引入类别识别、情绪倾向、出现顺序及字数占比四维量化分析。 ⚫ 结构化情绪视角下研报摘要价值的多维洞察 从实证结果看，分类识别显著提升了研报分析的颗粒度，能多维度揭示企业真实价值。其中，利好情绪的“密度”指标对超额收益预测有效，尤其“业绩超预期”密度、“盈利改善”密度表现突出，相关选股策略显著跑赢市场。情绪信息的“出现顺序”与“篇幅占比”反映强调方式，利好越早出现或篇幅越大，定价能力越强，战略、创新及政策类信号尤为明显，但基本面信号得效力较弱。 ⚫ 研报摘要因子的构建与多维绩效评估 综合情绪类别、篇幅占比与情绪密度等维度，构建四类研报评分因子（简单加权、篇幅加权、类别重要性加权、篇幅&类别重要性加权），并引入集中度调整与非线性权重进行优化。实证结果显示，研报评分在报告发布后 20 日、40 日具有显著的收益解释力，体现出较强的事件驱动特征。 将四类因子等权合成个股综合评分因子 𝒔𝒄𝒐𝒓𝒆_𝒓𝒆𝒑𝒐𝒓𝒕_𝒍𝒍𝒎，其整体表现稳健，五分组收益结构严格单调，具备一定选股与收益预测能力，且与传统因子相关性较低。𝑠𝑐𝑜𝑟𝑒_𝑟𝑒𝑝𝑜𝑟𝑡_𝑙𝑙𝑚的多头年化收益为 12.8%、相对中证 800 的年化超额 13.5%，自 2020 年以来年胜率为100%，今年截至 5 月底的月胜率为 100%，超额 10.4%；年度超额最大回撤控制良好，相对等权组合均控制在 4%以内。 ⚫ 风险提示 量化模型基于历史数据，过去的回测业绩不代表未来；量化模型本身存在失效的风险。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 39 证券研究报告 正文目录 1 大模型迭代下的文本探索之路 ........................................................................................................................................................ 5 2 研报内容的框架拆解与多维信息挖掘 ............................................................................................................................................ 6 2.1 研报摘要内容的结构化解读 .................................................................................................................................................... 6 2.1.1 业务发展：战略优化与核心能力提升 .................................................................................................................... 7 2.1.2 财务表现：盈利质量、稳健性与业绩超预期分析 ................................................................................................ 8 2.1.3 其他因素：股东行为、政策影响与市场驱动分析 ................................................................................................ 9 2.2 摘要信息处理与多维度量化分析 ............................................................................................................................................ 9 2.3 模型选择与场景规则化训练 .................................................................................................................................................. 10 2.3.1 模型选择与部署调用 ....................................................................