本文通过文本分析方法,利用上市公司招股说明书主营产品描述,采用jieba分词和Word2vec词向量技术计算公司间主营产品相似度,并基于K-means聚类算法重新构建A股市场行业分类体系。重分类结果行业数量设为100,较申万、中信二级行业更均衡,且行业内股票股价相关性与收益率标准差表现与传统行业分类接近,显示了较好的一致性与辨识度。最终通过中证500增强策略业绩测试,基于新行业分类的策略年化超额收益有所提升,体现该方法在量化策略中的应用潜力和可行性.
| 年份 | 500增强_申万二级(绝对收益) | 500增强_新行业(绝对收益) | 500增强_申万二级(超额收益) | 500增强_新行业(超额收益) |
|---|---|---|---|---|
| 2010年 | 24.57% | 29.88% | 14.50% | 19.81% |
| 2011年 | -10.96% | -11.72% | 22.87% | 22.10% |
| 2012年 | 27.31% | 26.94% | 27.03% | 26.66% |
| 2013年 | 34.72% | 37.28% | 17.84% | 20.39% |
| 2014年 | 56.10% | 55.29% | 17.09% | 16.28% |
| 2015年 | 99.25% | 93.79% | 56.13% | 50.68% |
| 2016年 | -1.50% | 1.48% | 16.27% | 19.25% |
| 2017年 | 10.61% | 7.73% | 10.81% | 7.94% |
| 2018年 | -26.67% | -22.14% | 6.65% | 11.18% |
| 2019年 | 43.91% | 39.00% | 17.53% | 12.61% |
| 2020年 | 37.69% | 35.81% | 16.82% | 14.94% |
| 2021年 | 7.55% | 9.77% | 1.91% | 4.14% |
| 年化收益 | 22.25% | 22.79% | 18.66% | 19.21% |
| 信息比率 | 3.73 | 3.54 |
报告以传统行业分类标准(如申万、中信两大体系)为切入点,揭示了目前行业分类体系存在的局限性和异构现象。借鉴国外学者Hoberg和Phillips的文本分析方法,提出基于上市公司披露主营产品的文本相似度进行重新聚类的可行思路。通过关键技术工具(Jieba分词、Word2vec词向量、K-means聚类算法)建立产品相似度度量框架,并对市场主要指数成分股进行实证测算,评估了新型行业分类的合理性和有效性。
最终结论指出,基于主营产品相似度划分的行业体系与传统行业分类在行业内部股价相关性、收益率波动率等指标上表现相近,并且在中证500增强策略实证中展现出略优的超额收益表现,显示出一定的应用潜力与改进空间,1,9,17,22].
1.1 行业分类的重要性(第2页)
行业分类被认为是二级市场投资研究的根基。报告阐明两大行业分类类型:
该区分明确了行业分类的不同应用根本出发点,强调了投资型分类体系的实用性和专用性.
1.2 传统行业分类体系固定(第3页)
描述了申万和中信行业分类的历史沿革及现状,两者是A股市场主流类别,结构较为稳定且更新频率低。图1详细列示了申万与中信分类标准的关键发布时间和版本变迁,体现市场认可度与制度约束.
1.3 现行分类依赖主营业务构成(第4页)
申万和中信行业分类的核心指标集中在主营业务收入及利润占比,同时兼顾投资收益、市场预期和公司未来规划。两者主要差异是对投资收益的关注程度不同,细致的流程图(图2、图3)展示了分类的判断逻辑,清晰反映了依赖财务数据的分层归类机制.
1.4-1.6 申万与中信分类不一致情况(第5-7页)
2.1 方法论介绍(第9页)
报告引入Hoberg和Phillips的文本分析方法,将上市公司主营产品文本作为分析对象,采取文本处理、向量化和聚类技术,构建动态且基于主营产品的行业划分体系。此方法克服了传统静态分类框架难以响应行业变化的弊端,是一种更加灵活的行业划分思路.
2.2 文本预处理—Jieba分词(第10页)
详细说明中文文本预处理中的分词步骤,采用的Jieba分词工具实现流程包括初始化词典、切分短语、构建DAG图、路径概率最大化选择及新词识别处理,保证了中文文本信息的准确抽取,为后续词向量训练奠定基础.
2.3 词向量构建—Word2vec(第11页)
介绍Word2vec基本原理与模型架构(CBOW和Skip-gram),赋予文本词汇连续、密集的向量表达,量化词语语义关系,实现相似度计算的数学基础。图8示例清晰解析两种模型层级结构.
2.4 相似度计算及K-means聚类(第12页)
通过将公司主营产品关键词映射为词向量矩阵,利用特征提取及降维技术,计算两公司主营产品的相似度。得到公司间相似度矩阵后,使用K-means聚类设定行业数量(100)以适配申万和中信二级行业数量,完成行业重分类.
3.1-3.2 上证50成分股主营产品信息处理(第14-15页)
详细的表格(表2、表3)展现了上证50成分股的主营产品分解及关键词抽取过程,关键词包括具体产品、服务及业务形态,为计算相似度提供数据输入。丰富的关键词涵盖了金融、制造、能源、消费品等多行业维度,文本预处理效果较全面,15].
3.3-3.4 主营产品相似度矩阵及典型公司样例(第16-17页)
3.5-3.6 新行业分类成分更均衡且行业内部相似性高(第18-19页)
3.7 波动性比较支持新分类合理性(第20页)
行业内股票横截面收益率的标准差,同样表明新分类的行业股票表现较为一致,标准差指标趋势与申万、中信行业分类无显著差异,进一步印证了该行业划分的内生合理性.
3.8 应用于中证500指数增强策略(第21页)
实证测试显示:
风险(第24页)
报告强调定量模型基于历史数据的风险,未来模型失效的可能性不可忽视,提醒投资者关注模型适用范围与持续优化.
总结(第22页)
图1(第3页):申万、中信行业分类标准历史演进时间轴,列出关键发布时间,展示两行业分类体系的发展脉络及版本迭代节奏。这为读者理解体系稳定性及其调整周期提供了直观认知。
图2、图3(第4页):申万和中信行业分类标准决策流程图。申万流程包括对投资收益和主营业务收入利润占比的判定,及考虑发展规划、市场看法和控股公司背景等,说明分类的层级细致与复杂。中信分类同样结构化归类,强调多层次判定和例外情况处理,体现分类规则的实务操作细节。
图4(第5页):以申万一级行业为基准的行业分类不一致分析条形图,左轴为不一致公司数量,右轴为该类公司在对应申万行业中所占比例。机械设备行业不一致公司数最高,综合、采掘、有色金属行业的比例亦较大,显示部分行业归属模糊,分类标准间存在显著分歧。
图5(第6页):各申万一级行业的成分股在中信一级行业中的分布数量。机械设备集中分布于16个中信行业,是分散度最高的行业,推动行业重分类的需要。
图6(第9页):基于文本分析的行业聚类流程,包括爬虫抓取、文本预处理、特征提取(Word2vec)、相似度计算与K-means聚类等步骤,体现技术实现路径。
图7(第10页):Jieba分词具体流程详解,多步骤保证分词的准确性,应对中文分词挑战。
图8(第11页):Word2vec CBOW与Skip-gram模型示意图,展示两种训练方式和模型框架,有助理解词向量获取。
图9(第12页):K-means聚类示意图,以二维点群为例逐步划分成簇,帮助理解基于相似度的行业划分过程。
图10(第18页):三套行业分类下不同行业公司数数量对比柱状图,显示基于文本的分类行业公司数量分布更加均衡,避免了某些行业公司过多或过少的结构性不合理。
图11(第19页):不同行业分类下行业内股票股价相关性折线图,基于文本聚类的新行业分类与申万、中信二级行业相关性曲线高度接近,支持新划分的协同性与准确度。
图12(第20页):行业内横截面收益率标准差比较图,再次验证新行业分类公司股价表现的一致性。
图13(第21页):中证500增强组合超额收益曲线比较,显示新行业分类在组合构建中的应用效果与传统分类相当,且略有超额表现。
报告最后特别提示了上述风险,并提醒投资者理性对待模型及结论.
总体上,报告采用了比较谨慎和透明的态度描述限制并指出改进空间,避免了盲目乐观,24].
本报告探索了一种创新的行业分类方法——基于上市公司主营产品相似度的文本分析及聚类划分,针对传统行业分类体系存在的行业划分散乱、不一致等问题,提供了新的解决思路。该方法通过现代NLP技术实现:
综上,基于主营产品文本相似度的行业分类方法,为A股市场行业划分提供了科学且技术前沿的补充方案,有助于更好地描绘行业动态演化,提高分类的准确性和投资应用价值,具有一定的理论与实务推广前景.
报告系统性强,逻辑清晰,技术理论基础扎实,是一篇具有较高实证价值的行业分类研究报告。报告展示了传统投资型行业分类体系的难点,结合大数据文本处理技术的创新应用,提出了可行的重分类路径和应用示范。其对行业分类构建的实务操作与投资回测均进行了合理论证。
同时,报告强调模型的局限和风险,态度谨慎,亦为未来深入研究提供了明确方向,包括数据丰富度提升、多模型并行、实时动态调整等。
该报告适合金融研究人员、量化投资策略开发者以及行业分析师阅读参考,启发对行业概念及其内涵的多维度思考和持续创新。未来基于大数据与人工智能的行业分类工具,或将成为市场投资与管理的重要组成部分,为资本市场构建更加精准的经济结构认知体系提供坚实支撑。
,1,2,3,4,5,6,7,9,10,11,12,14,15,16,17,18,19,20,21,22,24]
金融工程专题报告:基于主营产品相似度的A股市场行业分类研究.pdf