20250405-国金证券-Alpha掘金系列之十六_基于概念文本相似度聚类的组合优化方案_19页_2mb

基于概念文本相似度聚类的组合优化方案总结

核心内容

本文提出了一种基于投资概念的股票相似性衡量与应用方法，并将其用于组合优化策略中，以提升策略的超额收益表现。该方法通过大语言模型自动提取股票投资概念信息，构建股票概念关系数据库，并利用Embedding模型对概念进行向量化，最终实现股票相似性度量与聚类分析。通过对比传统行业分类（如GICS或中信一级行业分类），发现基于概念的股票聚类在沪深300指数增强策略中表现更优，信息比率提升显著，且适用于业务范围广、涉及概念多的大市值股票。

主要观点

• 投资概念的重要性：投资概念相比行业分类更能解释个股的超额收益来源，尤其在市场热点频繁轮动的背景下，概念对股价波动的驱动作用更为明显。
• 大语言模型的应用：大模型能够自动提取股票投资概念，生成概念含义与提取原因，降低模型幻觉，同时为个股提供丰富的概念信息，提升相似性衡量的准确性。
• 相似性衡量方法：通过Embedding模型将概念文本向量化，并聚合到股票层面，构建统一向量空间，实现股票与概念之间的相似性计算。
• 降维聚类技术：使用t-SNE降维搭配Agglomerative层次凝聚聚类算法，实现股票的聚类分析，该方法在沪深300指数优化中表现最佳，信息比率可达1.838。
• 组合优化应用：将股票聚类结果应用于组合优化，替代传统行业分类，控制行业暴露，提升组合信息比率与超额收益表现。

关键信息

1. 投资概念提取流程

• 文本来源：使用研报摘要与公司公告中的经营相关章节作为数据源。
• 提取方式：采用思维链技术，从主营业务、产品产出、技术工艺、政策事件等角度提取概念名称，并同步生成概念含义与提取依据。
• 处理与汇总：对初步提取的概念进行清洗、再验证，并总结生成新的汇总性概念，构建个股概念数据库。

2. 概念与股票的向量化表达

• 概念向量化：将概念名称、含义与提取原因合并为概念文本，使用Embedding模型（如xiaobu-embedding-v2）进行向量化，保留语义信息。
• 股票向量化：将股票所属概念向量进行加总并单位化，得到股票向量，用于衡量股票之间的相似性。
• 相似性度量：使用余弦相似度计算股票向量之间的相似性，便于后续聚类分析与组合优化。

3. 股票相似性与聚类分析

• 聚类方法：采用t-SNE降维搭配Agglomerative层次凝聚聚类算法，效果优于其他方法。
• 聚类结果：股票聚类结果不局限于传统行业分类，能涵盖多个行业，反映更广泛的业务关联。
• 聚类频率：每季度更新一次，使用当前季度的概念信息构造股票向量，确保信息的及时性与稳定性。

4. 组合优化应用效果

• 沪深300增强策略：使用概念聚类控制行业暴露，信息比率可达1.838，显著优于中信一级行业分类（1.474）。
• 中证500增强策略：概念聚类在信息比率上略优于GICS行业分类（1.122），但不如沪深300表现显著。
• 中证A500增强策略：tSNE(64)-Aggl(30, cosine)方案表现最优，信息比率可达1.739，年化超额收益率为6.74%。
• 优化效果：概念聚类在控制跟踪误差与提升信息比率方面具有优势，尤其适用于业务多元化的大市值股票。

未来研究方向

• 挖掘股票概念数据库的更多应用潜力，如捕捉动量溢出效应、构建选股策略等。
• 进一步优化模型参数，提升概念聚类在不同市场环境下的适应性。
• 探索概念聚类与风格因子、事件驱动因子等的结合，丰富投资策略维度。

风险提示

• 模型基于历史数据构建，存在时效性风险。
• 策略依赖于假设和回测结果，交易成本上升或市场环境变化可能导致收益下降甚至亏损。
• 大语言模型输出具有随机性，模型迭代可能导致结论变化。
• 人工智能模型结论仅供参考，可能存在错误，投资者需谨慎使用。

图表目录（摘要）

• 图表1：谷子经济成分股行业总市值占比
• 图表2：行业收益率难以解释概念行情的收益来源
• 图表3：目前相似性衡量方式梳理
• 图表4：同花顺“DeepSeek”概念股累计数量
• 图表5：同花顺概念指数历年启用数量
• 图表6：投资概念提取流程
• 图表7：分析文本案例展示
• 图表8：潍柴动力对应概念信息
• 图表9：用友网络提取出的概念信息
• 图表10：潍柴动力-重卡发动机概念的向量相似性匹配结果
• 图表11：股票相似性衡量的方法
• 图表12：潍柴动力股票向量相似性匹配部分结果
• 图表13：股票降维聚类结果示意图（tSNE(2)-Affinity(damping=0.6)）
• 图表14：股票向量降维聚类结果展示（以潍柴动力为例）
• 图表15：沪深300概念聚类组合优化多头净值走势
• 图表16：沪深300概念聚类组合优化多头超额净值走势
• 图表17：沪深300概念聚类组合优化多头超额指标表现
• 图表18：中证500概念聚类组合优化多头净值走势
• 图表19：中证500概念聚类组合优化多头超额净值走势
• 图表20：中证500概念聚类组合优化多头超额指标表现
• 图表21：中证A500概念聚类组合优化多头净值走势
• 图表22：中证A500概念聚类组合优化多头超额净值走势
• 图表23：中证A500概念聚类组合优化多头超额指标表现