集聚投资有效性，构建DATALET数据资产.docx

目录 围绕市场需求，DATALET 释放数据应用潜能 4 上市公司持续扩容，数据广度及精度要求提升 4 板块轮动加速，自动化标注能力提升投研效率 4 大模型扩宽指标维度，实现文本数据结构化及高频追踪 5 DATALET 实现文本数据指标化及指标标签投资指向化双重创新 6 涌现能力助力自动化标注，挖掘指标投资指向 7 循环具象 Prompt 设计助力标注能力自动化及专业化 7 创新及丰富指标逻辑体系，实现投资指向性标注 7 大模型赋能文本数据指标化，扩充投研观测视角 9 通过自动化文本数据指标化，洞察市场情绪变化 9 融合研报、电话会议及政策，构建多维情绪指标体系 10 情绪类指标构建示例：研报情绪指标与政策推进力度指标 10 聚焦指标特性，探索指标投资有效性 12 政策推进力度指标：可及时把握行业轮动变化 12 研报热度指标：在行业及个股维度均可较好判断股价走势 14 风险因素 16 插图目录 图 1：个股报告及上市公司数量 4 图 2：公司研究报告数量 6 图 3：DATALET 型数据库结构示意图 6 图 4：标签构建流程 7 图 5：下游成本影响程度打分标签构建流程 8 图 6：文本信息影响市场示意图 9 图 7：情绪类指标分类 10 图 8：上市公司研报情绪指标构建示意图 11 图 9：2022 年 7 月以来每月行业研报指标 11 图 10：2022 年 7 月以来每月行业政策情绪指标 12 图 11：政策情绪参数设置和各参数下策略收益情况 13 图 12：政策情绪策略净值曲线 13 图 13：基于研报情绪构建的行业择时策略超额收益情况 14 图 14：锂电行业研报情绪选股结果回测 16 表格目录 表 1：A 股行业轮动情况 5 表 2：投研辅助类指标标签示例 8 表 3：投资指向性指标标签示例 8 表 4：2022 年 1 月至 2023 年 6 月期间锂电行业研报情绪选股结果 15 ▍ 围绕市场需求，DATALET 释放数据应用潜能 上市公司持续扩容，数据广度及精度要求提升 A 股持续扩容，数据广度及信息维度要求大幅提升。A 股传统数据库覆盖宽度有限， 导致数据的数量持续提升。注册制试点启动以来，A 股上市公司数量明显增多，由 3500 余家已增至当前的 5000 多家。当前 A 股市场已全面推行注册制，注册制从之前试点的创业板和科创板拓展到沪深主板，企业上市门槛降低，审核流程简化，同时新股发行的条件被进一步放宽，大量不同类型的企业尤其是成长型、创新型企业预计将会持续加速上市。在当前 A 股上市公司数量持续增加的背景下，而市场上个股报告覆盖的个股数量尚未突破3000 家，2017 年之后随着新股发行速度的提升，覆盖率大幅下降并稳定在 60%左右。所以在投研时有时更需要利用数据做出相应投资决策，这对数据的覆盖面及信息维度的要求大幅提升，高覆盖度标签精细化数据可以帮助我们快速检索到所需数据，并且根据投资维度标签做出投资决策。 图 1：个股报告及上市公司数量 个股报告覆盖率（右轴） 个股报告数量 A股上市公司数量 6000 5000 4000 3000 2000 1000 0  90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 资料来源：朝阳永续， 板块轮动加速，自动化标注能力提升投研效率 A 股板块轮动加速。通过对 2022 年 7 月至 2023 年 7 月期间 30 个行业（按照中信证 券一级行业分类计算）月度收益率进行排名，各月与前一个月收益率相关性全部低于 0.45， 其中共 8 个月出现负相关性，行业指数收益率排名变化明显。以消费者服务行业为例，该 行业 3 次位居收益率前五名，同时 5 次位居收益率后五名；另外，电力设备及新能源行业 4 次位居收益率前十名，同时 6 次位居收益率后十名。 表 1：A 股行业轮动情况 2022-7 2022-8 2022-9 2022-10 2022-11 2022-12 2023-1 2023-2 2023-3 2023-4 2023-5 2023-6 2023-7 煤炭 23 1 1 28 22 30 17 9 20 15 25 6 20 房地产 22 7 2 29 1 29 25 26 28 19 21 17 2 银行 25 14 3 25 9 9 23 29 10 5 10 20 6 农林牧渔 4 9 26 22 24 7 24 18 12 21 29 8 12 建筑 13 18 13 11 8 28 16 8 5 2 28 21 10 综合 5 8 27 8 12 25 26 10 29 29 5 25 18 交通运输 20 5 5 15 18 10 28 23 9 9