2. 金融公告基础

金融公告是上市公司、基金公司、交易所等主体依法向市场披露重大信息的正式文件。它既是监管合规的产物，也是投资者决策、风控建模、舆情监控和量化研究的原始语料。要做好公告文本分类与多标签识别，第一步不是急着上模型，而是把公告本身“看透”：它有哪些类型、由哪些结构组成、语言有什么规律、从哪些渠道发布、对应哪些业务场景。本节围绕这五个问题展开，为后续的特征工程与标签体系打地基。

一、核心原理：公告是“合规约束下的结构化文本”

金融公告与普通新闻、社交媒体文本最大的区别在于：它受《证券法》《上市公司信息披露管理办法》等法规强约束，格式、时点、内容要素都有明确要求。这带来两个直接后果：一是类型高度可枚举，常见公告类型不过几十种；二是结构相对稳定，标题、编号、正文、落款、附件往往遵循固定范式。因此，公告分类本质上是一个“半结构化文本的受控分类”问题，而不是开放域话题分类。

理解这一点，就能明白为什么公告的标题往往比正文更具判别力——标题通常直接点明公告类型，如“关于回购公司股份的公告”“2023年年度报告摘要”。多标签识别中，一条公告可能同时属于“业绩类”和“股价异动类”，也可能在“担保”与“关联交易”之间重叠，这正是多标签建模的价值所在。

二、公告类型与结构：从标题到附件的解剖

按业务属性，金融公告可大致分为定期报告、临时公告、治理类、融资类、交易类、风险类等。下表给出常见类型及其典型触发场景，可作为标签体系的第一层设计参考。

结构上，一条完整公告通常包含：标题（含公司简称与公告类型）、公告编号、重要内容提示、正文主体（分节陈述）、备查文件与落款日期。其中“重要内容提示”是公告特有的浓缩层，常包含关键数字与结论，对分类和抽取都极有价值。

三、语言特点与发布渠道

公告语言具有鲜明的“法律化+模板化”特征：句式长、被动语态多、同义表达固定（如“截至本公告日”“敬请广大投资者注意投资风险”），且大量使用“拟”“尚需”“不存在”等情态与否定词。这些词往往是判断公告性质的关键线索，例如“不存在应披露而未披露事项”常见于澄清类公告。

发布渠道方面，主要有交易所官网（上交所、深交所、北交所）、巨潮资讯网等指定信息披露平台，以及公司官网、财经数据终端。不同渠道的抓取格式、更新时延、字段完整度不同，工程上需要统一归一化。下面是一段典型的公告元数据抓取配置示例：

source: cninfo
fields:
  - ann_id
  - sec_code
  - sec_name
  - title
  - ann_type
  - publish_time
  - pdf_url
schedule: "*/10 * * * *"
dedup_key: ann_id

四、业务场景与常见误区复盘

公告分类与多标签识别在下游有丰富场景：舆情风控需要实时识别风险类公告并预警；量化因子需要把回购、增持、业绩预告转成事件信号；投研检索需要按类型和主题快速召回；合规审查需要核对披露完整性。不同场景对标签粒度和时效的要求差异很大，标签体系必须从场景反推。

常见误区有三：其一，把“公告类型”和“情感倾向”混为一谈，实际上同一类型公告可能利好也可能利空；其二，忽视多标签重叠，强行单标签会丢失信息；其三，只用正文训练而丢弃标题与结构字段，导致模型在长文本上效率低下。复盘时应回到“类型—结构—语言—渠道—场景”这条主线，逐项检查标签定义是否与业务对齐。

把上述五要素串起来看，公告分类不是孤立的文本任务，而是“合规文本理解+业务标签映射”的系统工程。只有先建立对公告类型、结构、语言、渠道和场景的整体认知，后续的标签设计、特征抽取和模型评估才有稳固的落脚点。