04 — 意外的发现
市场短期追烟花，
长期才认真金。
把股票按 AI 的质量判断分开，跟踪它们之后两三个月的走势，出现了一个非常有意思的规律：
“烟花”股（红线）在前 1–2 个月反而涨得更猛——市场被亮眼的数字和重组故事吸引，一拥而上爆炒。但烟花总会熄灭：到第 60 天前后，它掉头向下。而 “真金”股（蓝线）不慌不忙、稳步上行，最终反超。
用一句话说：A 股短期奖励投机，长期才奖励质量。看懂了这个时间差，机会就出现了。
用大模型读懂上市公司财报预告里的“潜台词”，
发现 A 股一个被所有人忽视、却真实存在的赚钱规律。
每年财报季，上市公司会先发一份“业绩预告”，告诉大家这季利润大概涨跌多少。假设有两家公司，预告利润都增长 200%——数字一模一样。但翻开它们各自写的“变动原因”，故事完全不同：
这就是“盈利质量”：同样的数字，一个是细水长流的真金，一个是一闪而过的烟花。区别藏在那段文字里，而不在数字里。
几十年来，量化投资靠的是数字：市盈率、涨幅、成交量……可“盈利质量”这件事，数字上看 A、B 两家一模一样。传统模型把它们当成同一类，于是把烟花也当成了真金。
我们验证了这一点：单看“利润涨多少”这个数字去选股，几乎赚不到钱——因为涨得最猛的那一批里，混进了大量“假超预期”的烟花，把信号稀释没了。
我们让一个大语言模型（AI）去读每一条业绩预告的“变动原因”，像一位资深财务分析师那样判断：这次利润增长，是真·经营改善，还是一次性的虚胖？
关键的一点：AI 只读文字，从不看股价。它给出的“质量分”和后来涨没涨完全无关——所以这不是“事后诸葛亮”，而是一个干净的、独立的判断。
我们一共让 AI 读了 53,525 条预告。它的判断有多准？拿两个完全不同的大模型分别读同一批，结论一致率高达 94%（统计学上的 κ=0.89，近乎完美）——说明这不是某个模型的玄学，而是文字里客观存在的信息。
对每条预告，模型（Qwen3.7-max，temperature=0，强制 JSON 输出）只读三样东西：预告类型、净利变动区间、以及那段“变动原因”原文，输出结构化字段：
driver（主营 / 一次性 / 低基数 / 混合）、sustainable∈[0,1]（可持续性）、real_beat（是否真改善）、onetime_ratio∈[0,1]（一次性占比）、tone∈[−1,1]。综合质量分 Q = z(sustainable) + z(−onetime) + real_beat。
跨模型一致性（qwen3.7-max vs deepseek-v4-pro，随机 600 条）：real_beat 一致率 94.3%、Cohen's κ=0.89；sustainable 相关 0.90、onetime 相关 0.80。标签是文本里客观可复现的信息，不依赖具体模型。
下面是真实业绩预告里的“变动原因”节选。读完，判断这是真金（可持续）还是烟花（一次性）。点完看 AI 怎么判。
把股票按 AI 的质量判断分开，跟踪它们之后两三个月的走势，出现了一个非常有意思的规律：
“烟花”股（红线）在前 1–2 个月反而涨得更猛——市场被亮眼的数字和重组故事吸引，一拥而上爆炒。但烟花总会熄灭：到第 60 天前后，它掉头向下。而 “真金”股（蓝线）不慌不忙、稳步上行，最终反超。
用一句话说：A 股短期奖励投机，长期才奖励质量。看懂了这个时间差，机会就出现了。
规则朴素到一句话：在发了利好预告、且被 AI 判为高质量的股票里，等权买入一篮子，持有约 3 个月。和“不挑质量全买”、以及“专买烟花”的两种做法对比：
高质量篮子的收益是烟花篮子的近 3 倍，且“质量越高、收益越高”一路单调。风险调整后的夏普比率 0.69 vs 0.37——质量过滤实实在在地起了作用。
一个结果好看不算数——好的研究要反过来攻击自己。我们设了五道“拷问”，每一道都可能推翻结论。它全过了：
随机乱选同样多的股票 200 次，真策略的收益超过其中 99% 以上。不是瞎蒙能蒙到的。
用前几年定规则、后几年验证。规律不但没失效，反而在“没见过”的后半段更强——这和“过拟合会衰减”正好相反。
用第二个独立大模型重新打分，结论几乎一致（κ=0.89）。不是某个模型的偏好。
只看 AI 训练截止之后才发生的事件——AI 不可能“记得”这些股票后来的涨跌，规律依然成立。
用中国学界最严格的因子模型（CH-4）把市场、规模、价值、换手统统扣掉，超额收益依然显著（年化 9.8%，统计量 t=2.87）。
质量多空在各因子模型下的年化 alpha（Newey-West t）。对中国学界金标准 CH-4 仍显著，且市场/规模暴露≈0：
| 模型 | Alpha(年化) | t |
|---|---|---|
| 原始超额 | 8.8% | 2.45 |
| FF3+换手 | 10.9% | 3.26 |
| CH-3 | 9.2% | 3.00 |
| CH-4 | 9.8% | 2.87 |
| 多头腿 vs CH-4 | 15.9% | 7.54 |
Fama-MacBeth 横截面回归（被解释=60日超额，每+1个标准差对应的收益）。控制超预期/市值/BM/动量/换手后，质量仍是增量预测：
| 变量 | 系数(%/σ) | NW t |
|---|---|---|
| 质量(合成 Q) | +1.05 | 3.34 |
| 超预期幅度 | +1.15 | 3.48 |
| 对数市值 | −1.80 | −3.32 |
| 换手率 | −1.50 | −5.53 |
样本：47,691 个有效事件，2018–2026；多空腿市场 β=0.06、规模 β=−0.04（近乎中性）。
通常这类“市场犯错”会有标准解释——比如散户太多、股票太冷门、没法做空所以纠不了错。我们一个个去测，结果……四个标准解释全都不成立：
错误定价无处不在，连大盘、热门、可做空的股票都要 60 天才反应过来。我们最合理的解读是：这是一种“信息处理”的迟钝——质量藏在文字里，读懂它需要花力气，所以市场处理得慢。
这个 alpha 之所以存在，是因为信息难“读懂”，而不是难“交易”。而“读懂大量文字”正是大模型最擅长的事。这就是 AI 在这件事上的真正价值。
诚实地讲清楚它的局限，才是认真的研究：
· 只在一个市场、一段历史（A股 2018–2026）验证过，换个市场未必成立。
· 最干净的“多空”玩法需要做空，而 A 股做空受限，实盘要用股指期货近似对冲。
· 机制只是“排除了主流解释”，没能彻底证实“为什么”。
· 交易成本是估算的，真金白银实盘还会打折。
但这些不影响核心结论：这个信号是真实的、独立的、可复现的——它扛住了五道证伪拷问。
这项研究真正想说的，不只是一个选股策略，而是一个更大的方向：用 AI 去量化那些以前没法量化的“软信息”——公告、研报、新闻里的字里行间。这是属于这个时代的新工具，也是 AI 与金融真正交汇的地方。