量化模型与构建方式 1. 模型名称：DeepSeek-V3 - 模型构建思路：利用大模型的自然语言处理能力，对行业研报进行智能总结和整合，提炼核心观点和关键信息[2][8] - 模型具体构建过程： 1. 从Wind数据库获取行业研报数据，筛选出符合条件的报告作为样本[8][22] 2. 将同一一级行业内的所有摘要合并，并与特定提示词拼接后输入DeepSeek-V3模型[8][17] 3. 模型输出包括行业名称、景气度、超预期程度等指标，结果以标准化JSON格式返回[17][20] 4. 为保证结果一致性，模型随机性参数设置为0[8][22] - 模型评价：DeepSeek-V3在处理长文本和客观信息方面表现优异，能够有效提取行业研报中的关键信息，提升了行业比较的可操作性[3][17] --- 模型的回测效果 1. DeepSeek-V3模型 - 景气度：通信设备（9.00）、互联网媒体（9.00）、专用机械（8.83）、计算机软件（8.80）等行业景气度较高[23][24] - 超预期程度：通信设备（8.67）、互联网媒体（8.00）、专用机械（7.83）、计算机软件（7.88）等行业超预期程度较高[23][24] - 报告数目：通信设备（3）、互联网媒体（6）、专用机械（6）、计算机软件（25）[23][24] - 景气度周变化：通信设备（+0.18）、互联网媒体（+0.46）、专用机械（+0.40）、计算机软件（+0.24）[23][24] - 超预期程度周变化：通信设备（+0.94）、互联网媒体（+0.32）、专用机械（+0.40）、计算机软件（+0.36）[23][24] --- 量化因子与构建方式 1. 因子名称：景气度因子 - 因子的构建思路：通过对行业研报的文本分析，提取行业景气度信息，量化行业的整体表现[17][22] - 因子具体构建过程： 1. 使用DeepSeek-V3模型对研报摘要进行解析，提取行业相关的景气度信息[22][23] 2. 按照中信二级行业分类，计算每个行业的景气度均值[22][23] 3. 仅保留报告数目大于2的行业，确保数据的代表性[22][23] 2. 因子名称：超预期程度因子 - 因子的构建思路：通过分析行业研报中对行业表现的描述，量化行业的超预期表现程度[17][22] - 因子具体构建过程： 1. 使用DeepSeek-V3模型解析研报摘要，提取超预期程度信息[22][23] 2. 按中信二级行业分类，计算超预期程度的均值[22][23] 3. 同样仅保留报告数目大于2的行业[22][23] --- 因子的回测效果 1. 景气度因子 - 景气度：通信设备（9.00）、互联网媒体（9.00）、专用机械（8.83）、计算机软件（8.80）[23][24] - 景气度周变化：通信设备（+0.18）、互联网媒体（+0.46）、专用机械（+0.40）、计算机软件（+0.24）[23][24] 2. 超预期程度因子 - 超预期程度：通信设备（8.67）、互联网媒体（8.00）、专用机械（7.83）、计算机软件（7.88）[23][24] - 超预期程度周变化：通信设备（+0.94）、互联网媒体（+0.32）、专用机械（+0.40）、计算机软件（+0.36）[23][24]