20260820-浙商证券-AI应用Skills（一）_个股研报的信心识别_12页_759kb

报告摘要

本文档介绍了一套基于AI的个股研报分析系统，旨在从语义角度识别分析师对个股的真实信心度、业绩想象力和业绩确定性。该系统包含三个核心Skill，分别从不同维度评估研报内容，为投资者提供结构化、可量化的分析结果。

分析师真实信心 Skill
- 分析师对股票的真实态度可能未完全体现在评级结果中。
- 通过分析研报标题和摘要中的用词语气，量化分析师的信心水平。
- 评分标准基于乐观、中性、谨慎三种语气的词库，并结合目标价调整进行风险过滤。
- 输出包括Excel、Markdown简报和JSON原始数据，便于审计和解释。
业绩想象力 Skill
- 分析师对远期成长空间的描述直接影响估值锚点。
- 使用分级词库评估“讲故事”程度，并结合市场空间金额、渗透率、CAGR等量化指标进行加分。
- 评分标准分为高、中、低和受限四个等级，强调成长潜力的描绘程度。
- 输出结构化数据，便于投资者判断公司未来增长空间。
业绩确定性 Skill
- 当前市场更关注业绩能否兑现，如订单落地、盈利上修、基本面验证等。
- 通过六类信号关键词库识别业绩兑现相关线索，并根据关键词出现频率和位置进行加权评分。
- 过滤风险提示内容，避免误判。
- 输出包含Excel、Markdown简报和JSON原始数据，便于投资者快速判断公司业绩兑现能力。

算法逻辑：
信心得分 = 标题乐观词密度 × 0.6 + 摘要乐观词密度 × 0.4
- 标题乐观词密度 = 加权命中分 / 文本长度 × 100
- 摘要乐观词密度 = 加权命中分 / 文本长度 × 100
- 加权命中分计算方式：
  - 标题：2×强乐观词数 +1×弱乐观词数 -2×谨慎词数
  - 摘要：1×强乐观词数 +0.5×弱乐观词数 -1×谨慎词数
- 硬规则：
  - 剔除风险提示等模板段
  - 标题权重高于摘要
  - 同一词不重复计分
  - 目标价下调一票否决
- 输出示例：
  - 联泓新科：中信心（4.95分）
  - 九州一轨：中信心（4.88分）
  - 森马服饰：低信心（2.19分）
  - 贵州茅台：无信心（-1.39分）

算法逻辑：
想象力得分 = 标题空间词密度 × 0.6 + 摘要空间词密度 × 0.4 + 空间量化加分
- 空间量化加分：市场空间金额（+3）、渗透率空间（+2）、CAGR（+2）
- 分级词库：
  - 强想象力（183词）：如“万亿市场”、“第二增长曲线”
  - 弱想象力（64词）：如“成长空间”、“有望”
  - 空间受限（51词）：如“市场饱和”、“增长瓶颈”
- 硬规则：
  - 剔除模板段
  - 标题主导
  - 同一词不重复计分
  - 空间量化信号独立加分
- 输出示例：
  - 九州一轨：高想象力（11.52分）
  - 联泓新科：中想象力（5.4分）
  - 森马服饰：低想象力（2.17分）
  - 贵州茅台：空间受限（-0.02分）

算法逻辑：
信号得分 = $\Sigma$（强词 2分 / 支撑词 1分）
- 标题命中关键词得分 ×2
- 分级词库：
  - 六类信号：订单落地、业绩兑现、业绩上修、基本面向好、产能扩张与资本开支、治理与资本运作
  - 强词（78词）：如“订单落地”、“业绩兑现”
  - 支撑词（48词）：如“订单增”、“毛利率提升”
- 硬规则：
  - 同一词全局去重
  - 风险提示内容不参与评分
  - 标题命中关键词得分翻倍
- 输出示例：
  - 贵州茅台：中确定性（4分）
  - 森马服饰：低确定性（2分）
  - 联泓新科：低确定性（2分）
  - 九州一轨：低确定性（1分）

分析师真实信心 Skill
- 架构：SKILL.md、config.yaml、requirements.txt、scripts/analyst_confidence.py、output目录
- 输出：Excel、Markdown简报、JSON缓存
业绩想象力 Skill
- 架构：SKILL.md、config.yaml、requirements.txt、scripts/growth_imagination.py、output目录
- 输出：Excel、Markdown简报、JSON缓存
业绩确定性 Skill
- 架构：SKILL.md、config.yaml、requirements.txt、scripts/earnings_clue_scanner.py、output目录
- 输出：Excel、Markdown简报、JSON缓存