📰 研报摘要
查看全文 ➔本文探讨了利用关联图谱信息进行选股的量化策略，核心逻辑在于股票对共同基本面冲击的反应存在非同步性，关联股票可作为目标股票的前置信息源。报告通过分析师共同覆盖网络和研报标题主题相似性网络，构建关联图谱因子，并提出利用基本面惊喜信号（研报标题惊喜、评级上调、盈利预测修订）识别具有外溢能力的信息，而非直接使用原始股价涨跌。
回测显示，加入关联基本面扩散因子后，多因子选股策略在组合排序前端的表现显著提升，Top10组合年化收益率由 12.90% 提高至 22.80%，Sharpe比率由 0.61 提升至 0.92。研究认为，该因子适合用于识别排序前端、基本面惊喜信息暴露较高的股票，且与常见的成长、分析师预期因子相关性较低，能提供有效的增量选股信息。