10、公告与财报信息含量：盈余公告后的漂移（PEAD）、财报文本信息提取、管理层语调分析、财报电话会议的信息含量
咱们直接切入正题。公告和财报，是市场上最公开、最基础的信息源。但公开不等于没用，关键看你怎么挖。
我刚开始做量化那会儿，也犯过傻。以为财报数据一出来，价格就该瞬间到位。后来发现，市场反应慢得惊人。这就是我们今天要聊的第一个核心——盈余公告后的漂移，也就是PEAD。
10.1 盈余公告后的漂移（PEAD）
PEAD，全称Post-Earnings Announcement Drift。说白了，就是公司发布超预期盈利后，股价不会立刻涨到位，而是会慢慢往上蹭好几个月。反过来，低于预期也一样，会慢慢跌。
为什么会这样？
学术界吵了几十年。我个人习惯把它归结为两点：一是信息处理成本高，散户看不懂；二是机构投资者有仓位限制，不能立刻调仓。你想想看，一个基金经理手里拿着几百只股票，哪能每只都盯死？
SUE的计算公式很简单：
SUE = (实际EPS - 预期EPS) / 预期EPS的标准差我在项目中遇到过一个问题：直接用分析师一致预期做分母，效果并不好。因为分析师预期本身就有偏差。我后来改用时间序列模型预测的EPS，SUE的预测能力反而更强。
10.2 财报文本信息提取
数字是死的，文字是活的。财报里的管理层讨论与分析（MD&A）、风险提示、业务展望，这些文本段落里藏着大量数字无法表达的信息。
怎么提取？
我常用的方法有三类：
- 词袋模型： 统计正面词和负面词的出现频率。比如“增长”、“突破”、“领先”算正面；“下滑”、“风险”、“挑战”算负面。
- TF-IDF： 找出每份财报里最独特的词。如果某家公司突然频繁提到“重组”、“裁员”，那大概率有大事要发生。
- 词嵌入（Word Embedding）： 用预训练模型把整段文字转成向量，然后做聚类或回归。这个方法更精细，但计算成本也高。
我个人的经验是：词袋模型虽然粗糙，但在A股市场效果反而最好。为什么？因为中文财报的用词套路化严重，正面词和负面词的区分度很高。你想想看，哪家公司在财报里会说自己“不行了”？
10.3 管理层语调分析
语调，就是管理层说话时的情绪倾向。乐观还是悲观？自信还是含糊？
语调分析通常分两步：
- 构建情感词典： 找一批已知的正面和负面词汇，比如“看好”、“乐观”、“谨慎”、“担忧”。
- 计算语调指标： 常用公式是 (正面词数 - 负面词数) / 总词数。数值越高，语调越积极。
我记得有一次，某公司财报数字很漂亮，但管理层语调突然变得很保守。我当时觉得不对劲，就减了仓。结果一个月后，公司爆出大雷。嗯，这就是语调的预警作用。
另外，我建议把语调分析和SUE结合起来用。如果SUE为正且语调积极，那买入信号非常强。如果SUE为正但语调消极，那可能是管理层在故意压低预期，反而值得关注。
10.4 财报电话会议的信息含量
电话会议，是比财报更鲜活的信息源。因为它是实时的，有问答环节，分析师会追问细节。很多在财报里不敢写的东西，在电话会议里会被迫说出来。
电话会议的信息提取，我主要关注三个维度：
| 维度 | 提取方法 | 实战价值 |
|---|---|---|
| 管理层语气 | 语音情感识别（语速、音调、停顿） | 判断管理层是否紧张或回避 |
| 问答环节质量 | 分析问题数量和追问深度 | 如果分析师追问很多，说明信息不透明 |
| 非预期信息 | 对比电话会议内容和财报文本的差异 | 发现管理层“说漏嘴”的关键信息 |
我个人习惯的做法是：把电话会议的音频转成文字，然后用情感分析模型逐句打分。如果某一段话的情感得分突然下降，而且管理层开始用“嗯”、“啊”、“这个”等填充词，那大概率是在回避问题。
知识体系总览
下面这张图，是我自己梳理的本章知识结构。你可以把它当作一个思维导图来用。
这张图把四个核心模块串起来了。PEAD是数字层面的意外，文本提取是内容层面的挖掘，语调分析是情绪层面的判断，电话会议是动态层面的捕捉。四者结合，才能构成完整的公告与财报信息分析框架。
好了，这一章的内容就到这里。记住，公开信息不等于无效信息，关键看你怎么拆解、怎么组合。下一章我们会聊到更细分的财务指标挖掘，到时候再细说。