核心观点 - 大语言模型(LLMs)技术为财报电话会议分析开辟创新路径 通过量化解析CEO发言情感倾向规避人为判断偏差 为Alpha收益提供创新工具[1] - LSEG MarketPsych Transcript Analytics整合全球16000+上市公司会议纪要数据与NLP技术 提供高精度情感分析和主题识别能力[2] - 财报电话会议情感得分前10%的公司次月股价表现显著优于低分群体 高度乐观情绪可放大超额收益效应[6] - ESG情感得分后10%的公司次月股价表现逊于同行 提供动态风险预警信号[6] - "不满"情绪前5%的公司次月股价表现不佳 该方案可深度赋能风险管理[7] 技术方案 - 采用基于roBERTa的微调分类器 识别13种发言者情绪 当前最准确的NLP模型[2] - 每份纪要可识别1000+主题、4000+事件类型及数百万次提及的实体信息 数据颗粒度极高[3] - API支持自定义查询历史/实时数据 无缝对接策略研发与生产环境[4] 应用场景 - Alpha收益生成：通过情感得分筛选优质股票或增强现有投资模型[6] - ESG研究：动态监测"碳""气候"等术语的情感倾向 识别潜在风险公司[6] - 风险管理：量化高管对负面术语(如"罚款")的提及频次与情感强度变化[7] 数据覆盖 - 覆盖全球16000+上市公司会议纪要 含无与伦比的历史数据[2][11] - 提供实时、定价、参考、ESG等全维度金融数据集合[15][16] 合作背景 - LSEG与MarketPsych合作近15年 服务25+国家金融机构[2] - 解决方案已应用于第三方风险评估及信贷风险监测领域[7]

因子开发与迭代 - 传统多因子模型收益下降，因子开发和迭代更新变得重要[1] - 低频数据因子开发难度增大，增量信息有限[1] - 高频数据具有体量大、拥挤度低、相关性低等优势[4][5] - 低频因子开发更多从另类数据和新理论成果出发[6] 指增ETF因子构建 - 利用指数增强型ETF每日申购赎回清单(PCF)披露数据构建因子[8] - 计算基金经理实际配置权重与基准指数权重的超低配比例[20] - 对超低配比例进行横截面标准化处理[21] - 因子构建覆盖沪深300、中证500、中证1000和中证2000指数[16] 因子回测表现 - 分组收益在四大指数中均呈现单调递增特征[22] - 沪深300成分股中IC均值2.09%，胜率62.42%[40] - 中证500成分股中IC均值3.78%，胜率64.33%[43] - 中证1000成分股中IC均值2.75%，胜率72.32%[44] - 中证2000成分股中IC均值3.14%，胜率60.00%[47] 多空策略表现 - 沪深300多空累计收益率9.63%，年化3.09%[51] - 中证500多空累计收益率67.02%，年化18.52%[55] - 中证1000多空累计收益率31.26%，年化13.46%[58] - 中证2000多空累计收益率24.55%，年化20.96%[61] 总结 - 因子通过追踪基金经理操作偏好获取超额收益[62] - 在中证500和中证1000指数中表现最为突出[62] - 小盘风格崛起为中小市值指数超额收益提供机会[62] - 方法在后疫情时代能更好捕捉结构性机会[63]