正面词汇密度环比提升约30%，而消费板块中性偏负面词汇的占比依然偏高。这意味着，结构分化不仅是量化模型的统计结果，更在上市公司的自我表述中初现端倪。  超预期因子明显走强  在财报季，量化策略的投资逻辑与日常时段有着微妙的区别。  “通常来说，进入财报披露窗口期后，基本面因子的定价权重会显著提升。”唐弢介绍，从历史规律看，这一阶段超预期因子明显走强，成长因子同样表现较好；估值、波动率等防御性因子则相对低迷，小市值因子更是呈现普遍回撤。与之相对应的是，净利润断层（指财报公布后股价因业绩超预期而出现跳空上涨的现象）、业绩超预期等策略的有效性会阶段性凸显。  但多位受访机构也表示，财报季的量化投资远非“买业绩增速最高的股票”那么简单。真正决定策略成败的核心变量，是“预期差”——即实际业绩与市场事先预期的偏离程度，而非盈利水平的绝对高低。  “一定要防止出现业绩兑现的情况。”唐弢提醒，如果一家公司的亮眼业绩早已被市场充分定价，财报披露之日反而可能成为利好出尽的转折点。因此，通过建模识别出那些真正超预期、同时估值仍处于合理区间的股票，比直接使用静态基本面数据的效果要好得多。  周维丰则从策略构建的角度补充说，量化机构在财报季通常会采用两类路径：一类是围绕盈利超预期、业绩修正等因子构建的短周期截面策略（即在同一时间点上横向比较不同股票的策略）；另一类是结合价格动量、成交量等市场行为信号，对基本面信息进行交叉验证，以过滤掉因信息不对称而产生的“假阳性”信号。  而本轮财报季最引人注目的变化，或许来自AI大模型对传统投研流程的渗透。在苏豪汇升的投资体系中，AI大模型的应用已从概念探索走向系统化落地。一方面，模型被用于解析“硬数据”——识别盈利超预期的公司、捕捉单季度增速的边际变化；另一方面，大模型还被用于挖掘财报中的“软信息”。“管理层讨论、风险提示、业务指引，这些文本里往往藏着数字之外的信号。”该机构相关负责人表示，通过对上述文本进行语义解析和情绪识别，团队构建了一套文本类量化因子，既能捕捉管理层的“言外之意”，又能显著提升前瞻判断的效率。  唐弢则提供了更为具体的应用场景：AI大模型不仅可以阅读财报中的基本盈利数据，还可以穿透附注，用知识图谱梳理隐蔽的关联交易；通过异常检测算法跨季度比对会计政策的微小变动，发现可能的业绩粉饰痕迹；甚至可以将财报文本与公司新闻、投资者互动平台问答
=*=*=*=*=*=
当前为第2/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页