文本数据在投资中的应用：多数另类数据都都存在覆盖度相对较低、仅对部分细分领域有效的特点，能达到对各类型公司全覆盖、与行业属性关联不大的另类数据主要仅有一大类——文本数据。根据文本的来源，文本数据可分为线上评论/新闻、财报、研报数据几大类，此前的使用方向主要为捕捉情绪偏向、得到个股观点。本报告中，我们使用研报数据进行主题的挖掘，得到当前机构高度关心的主题，同时也进一步将个股与主题的关联度进行量化，得到更规则化的主题投资策略。
　　研报文本主题因子构建：我们使用米筐数据库中的研报摘要数据，在经过分词、剔除常规词等处理后，每月使用LDA模型进行主题训练。在预设40个主题的情况下，2024年4月关注度靠前的主题包括景气回升、能源改革、高股息等。为了进一步使用主题进行投资，我们通过概率、词频等方式构建个股与主题之间的联系，得到研报文本主题因子，因子值越大说明个股当前与市场高度关注的主题关联度更紧。
　　行业研报文本主题因子对沪深300成分股更有效，而个股研报在中证500中IC更高。我们对行业研报、个股研报文本分别建模并构建不同的因子，发现行业研报因子对龙头股的作用更强，因此在沪深300中IC更高，平均达到3.5%，而个股研报因子对相对偏小的股票作用更强，因此在中证500中效果更好，两类因子的多头组表现接近。此外，我们也测试了不同主题数量、主题词数量对因子表现的影响，主题、主题词数越少因子表现越激进。
　　研报文本主题因子在多因子模型中的应用：个股研报文本主题因子对收益的贡献更大。我们分别尝试在中证800多因子直接选股、沪深300指数增强、中证500指数增强的组合中加入研报文本主题因子，因子与传统因子相关性低，整体而言基于个股研报文本的因子对组合的收益增量贡献更大。分时间段来看，2022-2023年上半年市场偏弱时，研报文本主题因子表现偏弱，但23年下半年以来有所回暖，该因子一定程度上也代表了市场对于主题行情的接受程度。
　　风险提示及声明：本报告模型根据历史数据构建，准确度受限于历史数据的长度；模型历史表现不代表未来，宏观及市场环境大幅变化时模型可能失效。