量化研究系列报告之二十三：让情绪“有结构”：大模型如何挖掘研报新价值

核心观点

本报告依托DeepSeek大模型，将情感分析从研报标题拓展至摘要，实现从黑箱评分向结构化、可解释评分的转变。通过拆解摘要结构，引入类别识别、情绪倾向、出现顺序及字数占比四维量化分析，重构研报摘要价值。

关键数据和研究结论

• 分类识别：将摘要内容分为业务发展、财务表现和其他因素三大类，并细分为十个子类，如战略布局、技术创新、渗透率提升、经营效率提升、盈利改善、财务稳健性提升、业绩对比预期与同业、股东行为、政策驱动、市场驱动。
• 情绪倾向：为便于快速统计与高效信息整合，引入情绪倾向判断机制，用简洁明了的数字标签来表征各类别所对应的情绪色彩，其中1代表正面利好，-1象征负面利空，0表示中性。
• 出现顺序：在信息处理进程中，融入顺序记录，捕捉各类别在摘要中的出现次序，基于一个假设：前面提及的利好因素，可能更具代表性与优先级，或是更能契合当下市场关注焦点。
• 字数占比：计算每个类别在摘要全文中的字数占比，反映各类别在摘要中的文本权重，字数占比高的类别，通常包含更丰富的内容和细节。
• 利好密度：构建了“利好密度”指标，用于衡量特定时间段内，某一类别的利好情绪在全部情绪中的相对占比，从而量化个股受到该类别利好“密度”的影响程度。
• 研报评分因子：构建了四类研报评分因子（简单加权、篇幅加权、类别重要性加权、篇幅&类别重要性加权），并引入集中度调整与非线性权重进行优化。
• 综合评分因子：将四类因子等权合成为个股综合评分因子 풔풄풐풓풆_풓풆풑풐풓풕_풍풍풎，其整体表现稳健，五分组收益结构严格单调，具备一定选股与收益预测能力，且与传统因子相关性较低。푠푐표푟푒_푟푒푝표푟푡_푙푙푚的多头年化收益为 12.8%、相对中证800的年化超额13.5%，自2020年以来年胜率为100%，今年截至5月底的月胜率为100%，超额10.4%；整个区间的最大回撤控制良好，相对等权组合均控制在4%以内，2025 年更仅为 1.2%。

研究方法

本报告采用DeepSeek大模型，通过系统提示规则，对文本内容进行归类、情绪判断、记录出现顺序、计算字数占比，并按照规定格式输出结果。同时，引入了多种评分方法，并分析多种方式对未来超额收益（CAR5/CAR20/CAR60）的回归分析结果，主要比较它们在回归系数、显著性、模型解释力（R²） 和 Rank IC（日度横截面预测力） 四个维度的表现。

研究意义

本报告的研究结果表明，通过DeepSeek大模型对研报摘要进行结构化情感分析，可以有效挖掘研报中的潜在价值信息，为投资决策提供有力支持。