2. 题材概念的数据来源与采集

判断一只股票是否属于某个题材概念，第一步不是看行情软件给了什么标签，而是回到原始信息：这个“归属”最初是谁说的、在哪里说的、说的是什么口径。题材概念的数据来源大致可以分为五类：交易所公告与监管信息披露、投资者互动平台（如互动易、上证e互动）、公司官网与官方公众号、行业研报、财经媒体。它们的证据强度、时效性和可核验程度差异很大，采集时必须区别对待，不能混为一谈。

五类数据源的证据强度分层

交易所公告是最高等级的证据。公司通过公告披露“拟投资某领域”“签订某类合同”“主营业务涉及某产品”，属于公司正式对外承诺，具有法律与监管约束，可直接作为归属依据。互动易问答次之：它是公司在监管平台上对投资者的正式回复，但表述往往较口语化，常见“暂未涉及”“有小批量供货”等模糊措辞，需要逐字辨析。公司官网、公众号属于公司自主宣传，可信度较高但缺乏强制披露约束，且容易长期不更新。行业研报是第三方分析，能提供产业链位置、市场规模等背景，但研报中的“概念归类”常带分析师主观判断，不能直接当作公司自述。财经媒体时效最快、覆盖面最广，但转述失真、标题夸大的情况普遍，只能作为线索来源，必须回溯到前四类原始材料验证。

采集清单怎么设计：一条记录必须能“自证”

采集清单不是把网页链接堆进表格，而是要让每一条归属记录都能独立回答三个问题：谁说的、原话是什么、说的时候是什么口径。因此每条记录至少应包含：来源类型、原始链接与发布日期、原文关键句逐字摘录、涉及主体（上市公司本身、子公司还是参股公司）、业务口径（主营、新增业务、小批量供货、研发阶段）、可得的收入占比或产能数据、证据等级、复核状态与下次复核日期。

其中“涉及主体”和“业务口径”最容易被忽略，却恰恰是纯度核验的关键。举例来说，某公司在互动易回复“公司产品已应用于某新能源领域”，若该产品由持股 30% 的参股公司生产、且不并表，那么这条记录虽然真实，却不能支撑“该公司属于该题材”的强结论。采集时就应把主体标注为“参股公司（不并表）”，口径标注为“应用环节”，而不是笼统写成“公司涉及”。同理，“有小批量供货”与“已形成规模化收入”在纯度上是两个量级，采集阶段就要分开记录，避免后续核验时无从追溯。

更新机制：按来源特性设定不同节奏

五类来源的更新频率天然不同，用同一周期管理会造成两种浪费：公告类信息更新慢却频繁重查，媒体类信息变化快却长期不更新。合理的做法是分层设定复核周期，并设置触发式复核。

触发式复核比周期复核更重要。实践中，一家公司的题材归属发生实质变化，往往先体现在公告里：新增经营范围、签订大额订单、出售相关子公司。因此采集系统应对公告标题做关键词监控，命中“投资”“收购”“合同”“经营范围”“终止”等词时，自动把相关记录置为“待复核”，而不是等到下一个季度。媒体线索则相反，它只负责“提醒”，一旦出现，处理动作是回溯到公告或互动易原文，找不到原始出处的媒体信息一律降级为“存疑”，不进入归属结论。

一个可执行的采集流程示例

假设要核验某公司是否属于“人形机器人”题材，采集动作可以这样展开：先在交易所公告中检索公司近两年公告，命中一条“拟投资设立机器人子公司”的公告，记录为 A 级证据，主体为上市公司，口径为“拟投资、尚未投产”；再到互动易检索关键词，发现公司回复“相关零部件处于送样阶段”，记录为 B 级，口径为“送样、未形成收入”；随后查看官网，产品页尚未列出该产品线，记录为“官网未更新”，作为反向参考；行业研报中提到该公司“切入机器人供应链”，记录为 D 级，仅作背景；某财经媒体称“已获大额订单”，回溯公告与互动易均无对应表述，该条降级为“存疑”。五条记录并列，证据强弱一目了然，后续纯度核验时便可据此给出“有布局、无收入、媒体表述夸大”的结论，而不是被单一媒体标题牵着走。

采集清单与更新机制的价值，正在于把分散在各处的“说法”变成结构一致、可回溯、可降权的记录。来源分层决定证据等级，字段设计保证可核验，更新机制保证结论不随时间失效——这三件事做扎实，题材归属的判断才有稳固的地基。