> **来源：[研报客](https://pc.yanbaoke.cn)** # 中金：如何利用关联图谱信息进行选股？总结 ## 核心内容 本报告探讨了如何通过**关联图谱信息**来优化选股策略。其核心逻辑是：**股票对共同基本面冲击的价格反应并非完全同步**，部分股票会先完成定价，另一部分股票后续跟随，因此关联股票可以作为目标股票的前置信息源。基于这一逻辑，报告提出构建**关联基本面扩散因子**（即关联图谱因子），以识别具有外溢能力的基本面信息，并通过多因子策略验证其有效性。 --- ## 主要观点 ### 1. **价格发现并非同步** - 同一基本面冲击可能影响多家公司，但由于研究关注、投资者结构和信息处理速度的差异，不同股票对信息的反应时间不同。 - 关联动量并非目标股票自身动量的重新命名，而是利用关联股票的反应来识别尚未充分定价的目标股票。 ### 2. **分析师共同覆盖与研报标题主题网络** - **共同分析师覆盖网络**：通过分析师覆盖关系构建股票间的关联，SC（强度中心度）越高，股票越可能率先反映信息。 - **研报标题主题网络**：通过文本相似度识别股票间的主题关联，其跨行业识别能力优于共同分析师覆盖网络。 - 两种网络结构中，研报标题主题网络的**跨行业权重占比更低**，更能识别**跨行业基本面信息的溢出**。 ### 3. **基本面惊喜信号的外溢性更强** - 单纯的股价上涨信息溢出能力较弱，**基本面惊喜信息**（如研报标题正向惊喜、分析师评级上调、盈利预测上修）具有更强的外溢效应。 - 基本面惊喜信号的识别方式包括： - 研报标题正向惊喜 - 分析师评级上调 - 盈利预测正向修订 - 三类信号采用并集方式，避免重复计算。 ### 4. **关联基本面扩散因子的构建** - 关联基本面扩散因子综合了**主题网络正向惊喜收益确认**、**共同覆盖网络正向惊喜收益确认**和**主题网络正向惊喜暴露**，以**主题网络原始关联收益**作为负向控制项。 - 该因子在**关联暴露股票池**中表现出较好的预测能力，其**月均RankIC为2.36%**，**RankICIR为0.389**，且与常见因子的相关性较低。 ### 5. **关联图谱因子的收益表现** - 在关联暴露股票池内，加入关联图谱因子后，**Top10组合年化净收益率从12.90%提升至22.80%**，**Sharpe比率从0.61提升至0.92**。 - **Top30组合年化净收益率从16.54%提升至19.87%**，收益增量为3.32%。 - 随着持仓数量扩大，因子的收益增量逐步收窄，表明其更适合用于识别排序前端的股票。 ### 6. **因子的有效性验证** - 关联基本面扩散因子在**行业和市值中性化处理**后，仍保持正向的横截面预测能力。 - 与常见因子（如质量、价值、动量等）的相关性均低于0.2，表明其信息来源更集中于基本面变化及其在关联公司间的扩散。 ### 7. **多信号确认与股票池筛选** - 通过多信号（如正向惊喜暴露、价格确认、异常收益确认）共同确认，构建**关联暴露股票池**。 - 该股票池在**严格筛选**后，月均包含723.8只股票，保留了较为充足的选股空间。 - **双网络确认股票池**（要求两个网络中至少有一项信号进入前30%）则更严格，月均包含420.9只股票。 ### 8. **策略表现与市场环境适应性** - 关联图谱增强策略在多数年份均能提供正向收益增量，**Top10组合在2019-2021年连续三年实现正向收益增量**。 - 2024年、2025年和2026年，Top10组合的收益增量分别为9.59%、58.44%和24.64%。 - 在市场承压年份（如2018年和2023年），增强策略仍能提供**小幅但稳定的收益增量**。 --- ## 关键信息 - **关联图谱因子定义**：基于基本面惊喜在关联网络中的扩散，结合分析师覆盖与研报主题相似性，构造的综合因子。 - **因子有效性**： - 月均RankIC为2.36% - 月度RankICIR为0.389 - 与常见因子相关性均低于0.2 - **策略表现**： - Top10组合年化净收益率提升至22.80% - Sharpe比率提升至0.92 - 收益增量随持仓扩大逐步收窄 - **股票池筛选机制**： - 关联暴露股票池：至少两项信号进入前30% - 双网络确认股票池：两项信号分别来自主题网络与共同覆盖网络 - **市场适应性**： - 关联图谱因子在多数年份中表现稳健 - 在市场波动较大时仍能提供一定收益增量 --- ## 风险提示 - **历史回测与因子失效风险**：因子表现依赖于历史数据，未来可能失效。 - **数据质量与模型设定风险**：研报标题、分析师评级和盈利预测等数据可能存在偏差。 - **交易实施与组合容量风险**：股票池容量受限，可能影响策略的执行。 - **收益集中与阶段性风险**：因子表现存在阶段性波动，需注意市场环境变化对策略的影响。 --- ## 结论 关联图谱因子通过识别**基本面信息的跨公司溢出**，在**Top10组合**中表现出显著的收益提升和风险调整能力，适用于识别**高信息溢出的头部股票**。其核心在于**识别具有外溢能力的基本面惊喜信息**，而非简单地累积关联收益。未来可进一步优化因子构造逻辑，提高其在不同市场环境下的稳定性。