20141223-中国银河-大数据量化投资研究之一_巧借东风_研报文本挖掘选股策略_17页_1mb

巧借东风，研报文本挖掘选股策略总结

核心内容

本文介绍了如何利用大数据技术，特别是通过对分析师研报和财经媒体的文本挖掘，构建一个开放的量化选股模型，以增强对市场热点和政策变化的捕捉能力。传统多因子模型封闭性强，难以及时反映市场动态，而通过文本挖掘，可以更灵活地分析非结构化数据，提升投资决策的有效性。

主要观点

• 传统多因子模型的信息滞后性限制了其对市场热点的响应能力。
• 分析师研报在专业性、可信度、规范性和实时性方面优于财经媒体，是构建量化模型的重要数据来源。
• 通过文本挖掘技术，可以构建“基本面+情绪面”和“概念主题”两类热词库，从而提高选股的胜率和超额收益。
• 热词库整体表现优于单个热词，因此建议使用整体热词库进行量化选股。
• 量化模型在2011-2014年间表现稳定，能够持续战胜中证500和沪深300指数。

关键信息

一、银河大数据量化投资体系

• 体系涵盖数据来源（财经媒体、分析师研报、行情财务）。
• 基于文本挖掘技术，构建择时、行业配置、选股和组合管理等模型。
• 图1展示了体系结构，图2展示了上市公司信息传导路径。

二、分析师研报是重要数据来源

• 每年发布个股类研报约5万份。
• 研报标题和摘要中包含大量有效信息，可用于量化选股。
• 2013年推出的《事件投资，有效的研报标题关键字130521》策略在2014年仍有效，但基本面关键词效果下降，情绪类关键词表现更优。

三、文本挖掘技术与热词库建设

• 使用VSM（向量空间模型）和LSA（潜在语义分析）等模型进行文本挖掘。
• 热词库分为三类：基本面类、情绪面类和概念主题类。
• 基本面类热词库包含正面词（如“并购”、“改革”）和负面词（如“业绩下滑”）。
• 情绪面类热词库包含正面词（如“龙头”、“强烈”）和负面词（如“不达预期”）。
• 概念主题类热词库包括“工业4.0”、“油价下跌”、“一带一路”等。

四、“基本面+情绪面”热词库选股策略

• 策略通过研报标题和摘要挖掘信息，成分股持仓30个交易日，每5个交易日调仓一次。
• 双边手续费为千分之五，策略净值如图4所示，表现稳定。
• 表9显示，该策略在2011-2014年间年化超额收益分别为12.47%、2.84%、40.02%、29.84%。
• 图5、图6、图7、图8展示了策略相对于中证500和沪深300的相对优势曲线和月度超额收益。

五、“概念主题”热词库选股策略

• 通过“油价下跌”和“一带一路”等概念筛选股票，超额收益显著。
• “油价下跌”概念的平均超额收益为27.78%，其中中国国航超额收益达62.39%。
• “一带一路”概念的平均超额收益为21.48%，其中中国交建超额收益达93.28%。
• 中国交建的研报中包含多个热词，如“增长”、“提升”、“龙头”，符合选股条件。

六、风险提示

• 所有模型基于历史数据，未来表现无法保证。
• 投资者应谨慎使用本报告，不能完全依赖其结论进行投资决策。
• 报告不构成投资建议，不承担因使用报告而产生的损失责任。

附录信息

评级标准

• 行业评级：推荐、谨慎推荐、中性、回避。
• 公司评级：推荐、谨慎推荐、中性、回避。

联系信息

• 分析师：

  • 温尚清：电话0755-83021715，邮箱wenshangqing@chinastock.com.cn，执业证书编号S0130514050007。
  • 王红兵：电话0755-83479312，邮箱wanghongbing_yj@chinastock.com.cn，执业证书编号S0130514060001。

• 研究部联系方式：

  • 北京：王婷，电话010-66568908，邮箱wangting@chinastock.com.cn。
  • 上海：何婷婷，电话021-20252612，邮箱hetingting@chinastock.com.cn。
  • 深圳/广州：詹璐，电话0755-83453719，邮箱zhanlu@chinastock.com.cn。
  • 海外：刘思瑶，电话010-83571359，邮箱liusiyao@chinastock.com.cn。

免责声明

• 本报告由银河证券提供，仅作参考，不构成投资建议。
• 报告内容可能涉及其他网站链接，银河证券不对链接内容负责。
• 银河证券保留对报告内容的所有权利。

---

数据来源：银河证券研究部