2. 财报文本基础
做财报文本情感与语调分析，第一步不是选模型，而是搞清楚“你手里这份文本到底是什么”。同样是上市公司披露文件，年报、季报、招股书、MD&A、致股东信在写作目的、监管约束、篇幅结构、信息密度和情感表达空间上差异极大。如果把它们混在一起训练或对比，语调指标的统计含义会迅速失真。本节先建立文本类型的基本坐标系，为后续的情感词典构建、语调打分和异常检测打地基。
一、核心原理：文本类型决定语调的“可解释边界”
财报文本的语调不是自由写作的情绪，而是被监管框架、审计责任、披露时点和受众预期共同约束的产物。理解这一点，才能判断某个负面词到底是“真实风险信号”还是“合规套话”。
- 监管约束强度：招股书和年报受证券法与交易所规则强约束，措辞谨慎、模板化程度高；致股东信相对自由，管理层语气更明显。
- 披露时点：季报强调及时性，信息颗粒度粗；年报强调完整性，含审计意见和详细附注。
- 受众差异：招股书面向潜在投资者，需充分揭示风险；致股东信面向现有股东，倾向解释与安抚。
- 信息含量分布：定量信息集中在报表与附注，定性解释集中在MD&A，前瞻性表述集中在致股东信和招股书的风险因素章节。
核心判断：语调分析的对象不是“文本整体”，而是“特定章节 + 特定披露制度 + 特定时点”的组合。脱离这三者，情感得分无法横向比较。
二、五类文本的结构特点与信息含量对比
下面这张表是本节最需要记住的清单。它决定了你在做文本抽取、分句、词典匹配时，应该把权重放在哪里。
| 文本类型 | 典型结构 | 语调表达空间 | 信息含量重点 | 分析注意事项 |
|---|---|---|---|---|
| 年报 | 董事会报告、MD&A、审计报告、财务报表、附注 | 中低，模板化强 | 经营回顾、风险提示、会计政策 | 需区分管理层讨论与审计意见 |
| 季报 | 主要财务数据、经营情况讨论、重要事项 | 低，篇幅短 | 同比环比变化、重大变动说明 | 样本短，情感词密度波动大 |
| 招股书 | 风险因素、业务与技术、财务信息、募投项目 | 中，风险章节负面密集 | 风险揭示、商业模式、募资用途 | 风险因素章节需单独建模 |
| MD&A | 经营成果、财务状况、流动性、前瞻展望 | 中高，解释性语言多 | 业绩归因、未来计划、不确定性 | 前瞻性语句需与历史陈述分开 |
| 致股东信 | 致股东、年度回顾、战略展望、致谢 | 高，管理层语气明显 | 战略叙事、价值观、长期信心 | 修辞与乐观偏差需警惕 |
三、方法流程：从文本类型到可分析单元
拿到一份披露文件后，建议按以下流程切分，而不是直接整篇丢进情感模型。
- 识别文件类型与披露时点：确认是年报、季报、招股书还是单独公告，记录报告期。
- 按章节切分：将MD&A、风险因素、审计意见、致股东信等拆为独立分析单元。
- 区分陈述类型：把历史事实陈述、前瞻性陈述、风险提示、合规套话分别打标签。
- 分句与归一化：处理表格、页眉页脚、数字与单位，保留完整语义句。
- 语调打分：对每个分析单元分别计算正面词、负面词、不确定性词密度。
- 横向与纵向对比：同类型文本跨期比较，或同行业同类型文本横截面比较。
# 示例：按章节切分后的分析单元结构
{
"doc_type": "annual_report",
"period": "2024FY",
"sections": [
{"name": "MD&A", "tone": "neutral_positive", "uncertainty": 0.021},
{"name": "risk_factors", "tone": "negative", "uncertainty": 0.034},
{"name": "audit_opinion", "tone": "neutral", "uncertainty": 0.008},
{"name": "chairman_letter", "tone": "positive", "uncertainty": 0.015}
]
}
四、案例场景：同一家公司，三种文本的语调差异
假设某制造业公司2024年业绩下滑。它的年报MD&A可能写“受下游需求波动影响，营业收入同比下降”，语气克制；招股书风险因素会写“若下游需求持续疲软，公司存在业绩进一步下滑风险”，负面更密集；而致股东信可能写“短期承压不改长期竞争力，我们将继续加大研发投入”，正面词和信心词明显更多。
如果直接对三份文本求平均情感分，会得到“中性偏正”的结论，掩盖了风险因素中的真实预警。正确做法是：风险因素章节单独看负面密度，MD&A看归因逻辑，致股东信看管理层信心与实际行动是否一致。
实战技巧：把“风险因素”和“前瞻性陈述”设为两个独立通道。前者负面词密度上升往往领先于业绩恶化；后者正面词密度异常升高，可能是管理层过度乐观或市值管理信号。
五、常见误区与复盘
- 误区一：所有文本用同一套情感词典。招股书风险章节的“风险”“不确定”是合规必需，不等于公司变差；致股东信的“信心”“机遇”也可能只是修辞。
- 误区二：忽略章节权重。年报中财务报表附注篇幅最大，但情感词极少；MD&A和致股东信才是语调主战场。
- 误区三：把季报当小年报。季报未经审计、篇幅短，情感词密度方差大，跨期比较需谨慎。
- 误区四：只看单期绝对值。语调分析的价值在变化率，而非某一期的绝对得分。
复盘要点：每次建模前先问三个问题——这是什么类型的文本？这个章节的写作约束是什么？这个时点管理层最可能想传递什么？答不上来，语调分数就只是数字游戏。
把这张图记在脑子里：横轴越往右，管理层主观表达空间越大；纵轴越往上，可提取的定量与定性信息越密集。季报在左下，致股东信在右上，年报和招股书分别占据“高信息—低语调”和“中信息—中语调”的位置。后续做情感打分时，先定位你的文本落在哪个区域，再决定用哪套词典、哪套权重、和谁比较。