国金证券研究所提出一种基于投资概念的股票相似性衡量方法,并应用于组合优化策略中。研究发现,相较于传统的行业分类方法,基于投资概念的股票聚类分析能够更有效地控制组合风险,提升超额收益。具体而言,研究构建了股票概念关系数据库,利用大模型从研报和公告文本中提取投资概念及其解释文本;通过Embedding模型对概念文本进行向量化,并聚合到股票层面,实现股票与概念的向量空间表示;最终,通过降维聚类算法对股票向量进行聚类分析,并将聚类结果应用于组合优化的行业暴露控制中。以沪深300、中证500和中证A500指数增强策略为例,研究发现,tSNE降维搭配Agglomerative层次凝聚聚类算法的效果普遍最好,能够显著提升组合的信息比率,其中沪深300增强策略的信息比率达到1.838,优于传统的GICS或中信一级行业分类。研究认为,股票概念关系数据库的构建为投研领域带来了新的方法与思路,未来可进一步挖掘其潜力,例如捕捉动量溢出效应,构建相应的选股策略。