核心观点
　　构建了一套面向A股上市公司公告的自动化评分系统：本报告构建了一套面向A股上市公司公告的自动化评分系统，以巨潮信息网为数据源，形成“公告捕获、事件分类、事件评分、深度解读”四步标准化流程，将非结构化公告文本转化为可分类、可评分、可比较、可跟踪的结构化事件数据，旨在提升投研信息筛选效率，为事件驱动策略与基本面跟踪提供系统化数据基础。
　　基于关键词对公告进行分类，先验评分具备方向预测能力：将上市公司公告划分为8个一级分类和42个二级分类，覆盖公司治理、监管合规、股权变动、资本运作、经营公告、财务报告、交易提示、债务与流动性等主要方向。针对不同二级分类，本文进一步构建先验评分，以金融直觉刻画公告事件的初始利好、利空或中性属性。
　　采用贝叶斯有序Logit框架，融合先验与市场证据更新公告评分：本报告采用贝叶斯有序Logit框架，将NSS先验、公告二级分类、事件阶段和行业属性纳入统一模型，以公告发布后个股相对国证A指的超额收益为后验数据，通过“规则先验+市场证据+贝叶斯更新”得到Bayes NSS评分。样本内外检验显示，Bayes NSS在Spearman秩相关、Q5-Q1分组收益差和单调性检验上均显著，表明其具有更好的收益排序能力和样本外泛化能力。此外，以短中长期超额收益更新Bayes NSS均显著有效，证明公告对股价影响不仅源于短期情绪波动，也源于长期基本面改善。
　　事件驱动回测策略表现稳健，公告评分具备实战价值：我们以公告发布后3日超额收益CAR[0,2]为后验信息逐年滚动训练贝叶斯模型，每日选取得分最高的前20只公告对应股票，以总资金的33%等权买入并持有3个交易日。在回测区间2021年1月4日至2026年6月11日内，策略年化收益率14.87%，相对基准国证A指实现年化超额收益12.45%，证明贝叶斯分层打分在公告信号筛选上具有增量价值，能够有效捕捉利好事件。
　　公告分析Skill实现全流程落地，自动产出可视化报告与大模型解读：本报告将公告评分方法落地为可持续运行的公告分析Skill，以巨潮信息网为数据源，每日自动抓取全市场公告，同步输出NSS先验与Bayes NSS评分。系统提供分类分布、评分分布、时间序列等多维度可视化报告，支持自选股池定向监控。对于高评分公告，Skill进一步调用大语言模型进行结构化深度解读，自动提取事项阶段、关键数字、风险点等内容，公告原文可追溯、可复核。通过“程序校验+模型复核”双层交付机制，该系统将日常公告筛选升级为高效、透明、可解释的智能化投研工作流，显著提升信息处理效率与研究质量。
　　风险提示：报告结论基于历史价格信息和统计规律，但二级市场受各种即时性政策影响易出现统计规律之外的走势，所以报告结论有可能无法正确预测市场发展，报告阅读者需审慎参考报告结论。历史收益不代表未来业绩表现，文中观点仅供参考，不构成投资建议。