1. 课程导入

在量化投资与基本面研究日益融合的今天，财报分析早已不再局限于三张主表上的数字。管理层讨论与分析、致股东信、业绩说明会问答、风险提示段落，这些非结构化文本中隐藏着大量关于公司未来走向、管理层信心与潜在风险的信号。本课程聚焦一个正在快速成熟的方向——财报文本情感与语调分析，帮助你把“读文字”变成“可计算、可回测、可复用”的分析能力。

一、什么是财报文本情感与语调分析

财报文本情感与语调分析，是指利用自然语言处理、统计建模与金融领域知识，对上市公司披露的文本内容进行量化，识别其中的情感极性（正面、负面、中性）、语调强度（乐观、谨慎、模糊、回避）以及语义不确定性，并进一步检验这些文本特征与公司未来业绩、股价表现、风险事件之间的统计关系。

它和传统舆情分析有本质区别。舆情分析关注的是外部评论、社交媒体情绪，噪声大、周期短；而财报文本是公司法定披露、责任明确、格式相对稳定的文本，具有更强的可追溯性和研究价值。同时，它也不是简单的“数正面词减负面词”，因为财务语境中存在大量反转、否定、条件句和行业术语，需要专门处理。

二、学习目标

完成本课程后，你应当具备以下能力：

• 概念层：理解情感、语调、不确定性、可读性等核心概念在财务语境中的定义与边界。
• 数据层：能够获取年报、季报、业绩公告、电话会议记录等文本，并完成清洗、分段、对齐与版本管理。
• 方法层：掌握词典法、机器学习法、预训练语言模型法三条技术路线，并能根据数据规模与任务目标选择合适方案。
• 验证层：能够设计事件研究、横截面回归、组合回测等验证框架，判断文本信号是否具有增量信息。
• 实战层：能够把文本因子接入选股、风险预警、财报解读报告等真实业务场景。

三、整体课程框架

本课程共30章，整体按照“概念—数据—方法—验证—实战”的主线推进，避免一开始就陷入模型细节。下面这张结构图展示了课程的核心知识流与模块关系。

从图中可以看到，课程不是线性罗列知识点，而是围绕一条主线：文本信号如何转化为可验证的量化特征，并最终服务于业务决策。概念层解决“分析什么”，数据层解决“从哪里来”，方法层解决“怎么算”，验证层解决“是否可信”，应用层解决“用来做什么”。

四、核心方法流程与关键参数

无论采用哪种技术路线，一个完整的财报文本分析流程通常包含以下环节。下面用清单形式给出，便于你后续对照实操。

1. 文本获取：确定披露来源（交易所公告、公司官网、电话会转录），记录披露时间戳，避免未来函数。
2. 文本清洗：去除页眉页脚、表格残片、HTML标签，统一编码，处理全半角与繁简差异。
3. 分段与对齐：按章节、段落或句子切分，并与财务期间、公司代码、行业分类对齐。
4. 特征构建：计算情感得分、语调强度、不确定性比例、可读性指标、词频变化等。
5. 模型训练或词典匹配：根据标注数据量选择词典法、监督学习或预训练模型微调。
6. 验证与回测：通过事件研究、横截面回归、分组组合等方式检验增量信息。
7. 落地与监控：将文本因子接入现有研究流程，持续监控漂移与失效。

在工程实现上，建议把配置参数显式管理，避免“拍脑袋”调参。例如下面这段配置示例，定义了文本窗口、情感词典版本和回测区间：

{
  "text_source": "annual_report_mda",
  "window": "Q1-Q4",
  "sentiment_dict": "finance_v3.2",
  "uncertainty_dict": "lm_uncertainty_v1",
  "min_paragraph_tokens": 30,
  "backtest_start": "2018-01-01",
  "backtest_end": "2024-12-31",
  "neutral_band": [-0.05, 0.05]
}

其中 neutral_band 用于界定中性区间，避免微小得分被误判为强信号；min_paragraph_tokens 用于过滤过短段落，降低噪声。

五、典型应用场景

六、常见误区与复盘提醒