金融工程2025年中期策略：文本分析之自然语言处理——基于MD&A文本信息的行业轮动策略.pdf

金融工程2025年中期策略：文本分析之自然语言处理——基于MD&A文本信息的行业轮动策略。目前量化投资的知识体系已非常成熟，无论是学术上还是业界，结构化 的数据均已被充分挖掘。为探索差异化的 Alpha 来源，本研究另辟蹊径， 聚焦于非结构化的文本数据，基于自然语言处理技术（NLP）构建文本 因子体系，以期为量化模型提供低相关性的增量信息，在此基础上构建 行业轮动策略。

因子样本内有效性显著：余弦相似度变化、编辑距离相似度变化因子正 向有效；情感语调和词典正式度变化因子负向有效。将上述四个因子等 权叠加，分组收益整体上呈现较为显著的单调性，随着预测收益的下降， 实际收益近似单调下行。

模型样本内平均 IC 较高：十个持仓周期中，只有三个持仓周期 IC 为 负，其余均为正。整体上看样本内各持仓周期的平均 IC 为 21.0%，表明 模型在样本内有较好的预测能力。

模型样本内收益稳定：2021 年至 2023 年每年均录得正超额收益（费后）， 这三年的超额收益分别为 35.94%、18.48%和 5.08%。若以每一个持仓周 期为单位统计超额收益，样本内只有最后一个持仓周期的超额收益出现 亏损，其余持仓周期均录得正超额收益，整体上看单个持仓周期超额收 益的胜率为 90%，较月度胜率有显著提高。

模型样本外泛化性持续：2024 年超额收益为 7.34%，2025 年前 5 个月 累计超额收益为 2.08%。若从单个持仓周期来看，样本外五个持仓周期 中，只有一个持仓周期小幅亏损，超额收益为-0.32%，其余四个持仓周 期均录得正超额收益。

模型样本外优选行业收益排名靠前：从单个持仓周期所选行业收益位于 全行业的平均名次来看，每个持仓周期的平均排名均优于基准 15.5 名， 尤其是最后一个持仓周期，所选行业平均排名为 10.8 名，比基准高 4.7 个名次。此外整体样本外平均排名为 12.8 名，比基准高 2.7 个名次。

2025 年 5 月至 8 月持仓周期优选行业：基于上市公司 2025 年一季报中 MD&A 文本信息，本研究所构建的行业轮动模型优选行业为：煤炭、建 材、医药、食品饮料、银行以及综合金融等六个行业。