20240808-开源证券-开源量化评论（99）_深度学习赋能分析师行为_更稳的盈利预期调整组合_19页_2mb

报告分析总结：

该报告聚焦于金融工程中的量化策略，具体构建盈利预期调整优选组合，并利用深度学习技术（如BERT和Llama模型）分析分析师研报文本情感，以挖掘alpha因子。首先，报告回顾了盈利预期调整因子（�����_�����������������ℎ），该因子通过时间和股价跟随性加权，表现优异，绝对年化收益达277%，相对中证500年化收益229%，所有年份超额为正，尤其2022-2023年表现较弱但整体稳健。其次，报告介绍了三个深度学习模型：KY-Bert、KY-Llama3和KY-CH，用于研报情感判断。这些模型通过微调新闻数据，合成情感变动因子KY-Combine-ASC，显示出高稳定性和绩效，年化收益1117%，信息比率提升至233%。改进后，结合文本情感因子的组合选择股票，显著提升了风险调整后收益，最大回撤降至185%，对冲中证500的信息比率从144升至241%。其他探讨包括关键词筛选和行业轮动改进，但存在主观性和过拟合风险。最后，报告强调模型基于历史数据，市场可能改变，提示潜在风险。

该总结基于深度学习应用于分析师行为量化，强调了文本情感分析对投资组合的改进作用，字数控制在480字以内。