利用公司申报文件中的词汇密度筛选US股票

总结

本文介绍一种股票筛选策略，使用从公司10-K和10-Q申报文件计算的语言指标。词汇丰富度反映词汇多样性，词汇密度衡量承载信息的语言所占比例，特定密度则体现金融相关术语的集中程度。文中介绍的数据集跟踪数千只US股票的这些指标。策略按词汇密度和特定密度对交易最活跃的500只US股票排序，买入排名最高的十分之一，卖空排名最低的十分之一，并按月再平衡。

来源论文摘要称，在500只股票的范围内，词汇丰富度的表现最弱；当股票范围扩大至3,000只时，其表现有所改善。摘要称，在500只股票的范围内结合词汇密度与特定密度，夏普比率达到0.688。页面还报告回测贝塔为-0.029，并根据权益曲线观察推测该策略在熊市中表现尚可。这些是报告的结果，并不能证明策略稳健；文中对成本、样本构建和实施假设的细节有限。

核心观点

• 词汇丰富度、词汇密度和特定密度分别反映公司申报文件中不同的语言特征。
• 该策略利用词汇密度和金融术语密度得分，对美元成交额最高的500只US股票排序。
• 策略买入排名前十分之一并卖空排名后十分之一，每月再平衡。
• 来源研究报告称，结合两种密度指标后结果有所改善，夏普比率为0.688。
• 报告中的低负贝塔和熊市表现仍需独立验证，且需要更完整的测试细节。

标签

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。