量化研究：如何监测行业板块情绪

在财报会议期间，公司高管们不仅会提供财务数据的背景，还会对公司的财务表现进行深入解释。这些会议往往能够揭示出财务数字中未显现的未来风险与机遇。因此，财报会议及其会议记录是一种宝贵的数据资源，与公开的会计数据相结合，可以更加全面地洞察公司的财务前景。

然而，与结构化的公开会计数据或市场数据不同，财报会议记录通常以非结构化的文本形式呈现。这正是自然语言处理（NLP）技术可以发挥作用的地方：它能够从财报会议中提取出隐含的深层含义。NLP技术能够解码复杂的金融语言、识别情绪，并突出财报会议中讨论的关键议题。

从历史上看，“词袋模型”等基于词频的分析方法一直是文本数据分析的常用技术。但这些方法存在局限性和不足，例如，无法捕捉文档中词语之间的关联。相比之下，更现代的NLP推理技术能够利用文本数据嵌入（如FinBERT）或基于转换器的深度学习算法（如GPT-3或GPT-4）来考虑上下文信息。

通过运用NLP技术，我们可以对财报电话会议期间的行业情绪进行推断和量化分析。下面的动画展示了自2014年以来，我们识别的标普500指数成分公司在财报会议期间的净行业情绪指标的波动。

数据来源：荷宝，FactSet。本动画展示了过去10年间，在财报会议中，根据全球行业分类标准（GIGS）所识别的五大热门行业的平均净情绪指标。具体到每个公司和每个季度而言，净情绪指标的计算方法是：财报会议记录文本中情绪指标呈现正面的概率减去呈现负面的概率。分析对象包括所有标普500指数成分公司，样本期截至2024年8月9日。已有87%的标普500指数成分公司完成了其2024年第2季度的财报会议。

然而，我们也观察到不同行业的情绪指标呈现出分化趋势。例如，在过去一年中，信息技术、通信服务和医疗保健行业的情绪得分都大幅上升，这与人工智能、数字媒体和Ozempic等GLP-1减肥药的火爆相对应。与此同时，尽管宏观经济环境有所改善，非必需消费和必需消费品行业的情绪得分却受到了通货膨胀累积效应的拖累。

上述分析说明了NLP技术在监测财报会议情绪动态方面的应用。专业投资者可以联系您的荷宝客户经理，进一步探索如何利用这些工具进行主题投资的动态量化分析。