量化选股跟着上市公司公告买别墅靠大海？

各个股票资讯软件，财经网站会不定期发布A股上市公司的公告。这些公告是否对我们选股和择时有帮助呢？ 依据公告进行量化选股择时的效果如何呢？

上市公司公告是上市公司向投资者、股东和其他利益相关者发布的信息，包括公司业绩、财务数据、重大事项等。其作用主要有以下几个方面：

1. 提供信息透明度：上市公司公告可以向公众提供公司的财务状况、经营情况和重大事项等信息，提高公司的透明度和公信力。
2. 维护投资者权益：上市公司公告可以帮助投资者了解公司的经营状况和风险，保护投资者的合法权益。
3. 促进市场监督：上市公司公告可以让市场监管部门对公司的经营行为进行监督和管理，维护市场的公平、公正和透明。

对于选股而言，上市公司公告也有一定的参考价值。通过阅读公告，投资者可以了解公司的经营状况、财务状况、管理层变动等信息，从而更好地评估公司的价值和风险，做出更明智的投资决策。但是需要注意的是，公告只是公司的一个方面，投资者还需要综合考虑公司的其他因素，如行业前景、竞争优势等，才能做出全面的投资决策。

为了量化分析上市公司公告对择时选股的影响，我们获取了2015年-2023.8月的数据进行评测。首先，我们对数据进行结构化处理，按字段信息化数据。

1. 公告内容数据，以下是一个例子：

公告内容数据

2. 机构参与数据，以下是一个例子：

机构参与数据

一个简单的策略

有了结构化的数据，我们首先设计一个简单的策略，测试跟着上市公告买入股票的效果。

策略：在上市公司公告的次日买入股票，持股两周（10个交易日），自动卖出。

这个简单的策略效果如何呢？我们使用了2015年-2023.8月的数据进行测试。买入按收盘价成交。测试效果：

交易次数63,992，成功率49.19%，平均盈利0.69%

平均收益是正的！这是一个很好的开始。

我们进一步看下交易数据，单笔的最大亏损有55.95%。最大亏损交易：sz00260, 瑞和股份，2015.6.4日公告后买入。

一个优化策略

在公告数据中，机构参与数据是很有价值的。主观感受，参与的机构越多，尤其是基金、私募机构，表示对公司的兴趣越大，很可能是公司股价即将上涨的征兆。

对机构数据进行处理，我们首先对数据进行归一化，然后使用分类模型对公告后10个交易日的股价涨跌进行分类预测。

简单的python代码如下：

   y = df['revenue'].to_numpy()
   y = np.where(y>0, 1, 0)
   cols_to_normalize = ['QFII',  '其他', '基金公司',  '无',  '证券公司',  '阳光私募机构',   '保险公司',  '海外机构',  '期货', '银行', '研报公司',  '合计机构数量']
   x = (df[cols_to_normalize] / 100).to_numpy()

   lr = 0.1
   depth = 3
   reg_lambda = 1
   threshold = 0.6
        
   model = xgb.XGBClassifier()
   model.set_params(learning_rate=lr, max_depth=depth, reg_lambda=reg_lambda, eval_metric='auc')
   model.fit(x, y)

代码简单地使用了100对机构数量进行归一化，然后使用了xgboost模型进行分类预测。

测试效果：

交易次数125次，胜率86.4%，平均收益4.87%

看到这个简单的优化策略带来了不错地提升！从数据看，已经是一个可以应用于实战的策略。

进一步优化的策略

公告内容也是很有价值的数据。简而言之，公告内容有正面和负面的。如果上市公司公告的是负面内容，很可能股价将会下跌。

我们可以对公告内容进行分析和筛选。一个最简单的方式是使用负面关键字进行过滤排除：

con = ~df['活动内容简介'].str.contains('下调'|'减持'|'高估'|'负面'|'衰退'|'暴跌'|'降级'|'削弱'|'衰退'|'拖累'|'恶化'|'负增长']

这种处理方式比较快捷，但是比较粗暴，会有比较高的误判率和遗漏。

进一步地，我们可以使用nlp对公告内容进行文本分析，进一步地确认公告内容的正面和负面影响，提升策略的准确率。

本狐在这篇文章，以上市公司公告数据作为量化特征进行分析。通过几个设计好的量化策略，证明了上市公司公告对量化选股择时的价值。后续，还有不少可以进一步优化的工作，期待各位读者可以进一步优化完成。