分析师判断工程化为可回测事件信号 (AlphaSignals / 财报前瞻 + 业绩确认)
来源：微信公众号「睿见Alpha」(2026-08 发布；原文未返回 publish_time，fallback 到 2026-08-12) 解读一份把卖方分析师判断结构化为事件特征的卖方/买方内部研究。 核心方法：把分析师观点拆成 固定 schema 的事件特征表（focus KPI、surprise 方向、未来 12 个月一致 EPS 影响、投资主线影响、事件/发布时间戳），用 LLM 做 KPI 六分类 + 方向归一化 的语义清洗（不做股价预测），再按 事件时间 (event time) 重新对齐收益。
信号体系
四象限 = 时间 (Preview vs. Reaction) × 事件类型 (Earnings vs. Catalyst)：
- Earnings Preview：业绩公布前，分析师指出最关键 KPI 与方向，及其对未来 EPS 修正的提示
- Earnings Reaction：业绩落地后，结果相对一致预期方向 / 主线强化或削弱 / 未来 EPS 是否被推动
- Catalyst Preview / Reaction：同一套 schema 套用到产品发布、监管、临床、并购等非财报催化
KPI 归并为六类：收入 / 需求或商业活动 / 指引或展望 / 盈利能力 / 财务成本或风险或资本配置 / 无法分类。Surprise 与 EPS 影响都用有序变量编码：surprise 为五档（非常可能下行 → 非常可能上行），EPS 影响从明显下修到明显上修。 方向归一化：成本下降字面是"下降"、方向归为利好 — 等价于把 entity recognition / semantic role labeling / sentiment direction 分开处理。
关键实证（税后，多头腿）
| 策略 | Sharpe | IR |
|---|---|---|
| Earnings Cycle (前瞻 + 反应串接) | 1.49 | 1.23 |
| Earnings Preview 单独 | 1.35 | — |
| Earnings Reaction 单独 | 0.17 | — |
| Earnings Cycle 多空 | 1.01 | 0.82 |
短腿弱、且下行惊喜非对称 — 实盘不应"取反"做空。仅剔除小盘后 earnings cycle 多头腿仍保留约 1.1 的税后 Sharpe / 约 0.7 的 IR；执行一日滞后对前瞻与组合策略不敏感，跨区域拆分后北美/欧洲/日本/亚洲或新兴市场多头腿均为正税后 Sharpe（欧洲最强、北美次之）。
三个落地启示
- 事前比事后稀缺：前瞻 Sharpe 1.35 远高于反应 0.17；PEAD 仍存在但市场吸收财报信息很快，分析师"为什么改预期"的结构化表达比"已经改了多少"更有边际
- 不是所有基本面字段等价：收入类上行惊喜不显著；指引/盈利能力/财务成本或风险或资本配置 三类高信息 KPI 才是核心多头集合
- reaction 应作 position management：用于确认/延长/退出已建仓位，不应独立开仓
对量化流程的五步建议
(1) point-in-time 事件数据库（含发布时间戳防 look-ahead）；(2) 受控词表 + LLM 弱监督打标 + 模糊样本入 review queue；(3) 明确公告前/公告后/后一日/十日 horizon；(4) 区域 beta 对冲 + 分市场成本模型；(5) 监控 LLM 分类器漂移（Cohen's kappa、标签分布迁移、5% 随机扰动 Sharpe 衰减）。
与既有 wiki 概念的关系
- 上位框架：事件驱动选股策略（时序离散事件策略族）
- 行为学背景：PEAD（原文指出 PEAD 仍然存在，但拆分后的单独 reaction 信号并不强）
- LLM 弱监督思路：与本 wiki 已收的 MLE 风险模型 (Tzikas 等 2026) 共享 "AI 做语义归一化而非预测" 的工程哲学
- 同源：本笔记上游是 睿见Alpha 公众号