截至2023年3月31日，公募基金2022年报已全数披露。依据基金中报和年报的信息披露规则，基金经理需要对宏观经济、证券市场及行业走势做出展望，而这一展望文本也蕴含着公募基金经理对后市的中长期看法。

为提取出基金经理对后市的核心关注点与一致性预期，我们划分权益、固收+、纯债基金三大基金池，并统计展望文本中各核心关键词被提及频率的边际增长。结果表明：2022基金年报中，1）较多权益基金经理对于经济复苏和市场上行的确定性拥有信心，同时也有部分基金经理认为市场信心的建立需要一定时间；2）固收+基金经理对于消费和政策的关注度边际明显提升，多数基金经理认为2023年将迎来消费端的修复与增长，对于地产政策、货币政策、疫情政策以及部分行业政策拥有较多关注；3）部分纯债基金经理预期2023年债券市场或波动加大、迎来震荡，此外部分基金经理认为，经历4Q22的调整后，信用债具备一定的配置性价比。

基于基金经理展望文本搭建情感分析框架。我们认为基金经理对于后市的乐观程度反映了其对于市场的择时观点，并依据情感分析、词频统计、平滑处理、指数构建、区间划分的步骤，得到基于基金经理展望文本的权益市场预期乐观区间与预期悲观区间划分原则。与沪深300指数走势进行比对后，我们发现，以季度频率来看，从2Q12至1Q23，基金经理积极情绪指数对市场涨跌的判断胜率达到59%；2022年起，受黑天鹅事件叠加影响，指标效果明显下降。

从基金经理展望文本挖掘行业观点。承接上文的乐观与悲观区间划分结果，我们还可以进一步挖掘基金经理展望文本中的行业配置观点。我们按照行业词频变化率从高到低对行业进行排名，分别得到各期词频变化Top 3行业组合与Top 5行业组合，计算报告发布后20、40、60交易日内的行业收益率，并与Wind全A指数的同期涨跌幅进行对比。统计结果表明，在乐观区间，展望文本词频变化率Top 5行业在未来20日平均收益率、Top 3行业在未来40日平均收益率表现较好。但在悲观区间中，行业平均收益率跑输基准。

本章我们尝试从基金经理展望文本出发，计算各期展望文本相似度，并将其作为基金经理的展望观点一致性度量。整个流程分为文本信息提取与展望相似度计算两个步骤，核心算法为Word2vec文本向量化方法。我们可以从统计结果中得到如下结论：

1）权益基金方面，文本一致性均值与未来一期沪深300指数收益率存在较高负相关性（-30%），据此我们可以推断，当基金经理展望观点发生较大改变时，未来权益市场有望上涨。

2）固收+基金方面，固收+文本一致性均值指标与未来一期中证全债收益动量指标的相关性较高（48%），表明固收+基金经理的展望观点与上期观点趋向于一致时，未来一期的收益率方向与当期收益率方向有更大几率一致。

截至2023年3月31日，公募基金2022年报已全数披露。依据基金中报和年报的信息披露规则，基金经理需要对宏观经济、证券市场及行业走势做出展望，而这一展望文本也蕴含着公募基金经理对后市的中长期看法。在本篇报告中，我们聚焦于挖掘基金经理展望文本中的隐含信息，致力于解决下述三个核心问题：1）基金经理对后市的核心关注点是什么？2）如何应用基金经理的后市观点辅助投资决策？3）如何度量基金经理的观点变化程度？

► 其次，定义关键词频率，意指该关键词出现次数在该报告期所有词频数量中的占比：

► 最后，计算词频变化比例，并对词频变化比例进行降序排列：

较多权益基金经理对于经济复苏和市场上行的确定性拥有信心。代表性权益基金经理关注度边际增长最多的关键词为：1）复苏：多数基金经理认为国内经济有望逐步复苏，另外部分基金经理认为实体经济复苏的过程或将相对缓慢；2）信心：在经济基本面上行预期下，多数基金经理对未来权益市场中的机会较有信心，同时也有部分基金经理认为市场信心的建立需要一定时间。

在上节中，我们运用基金年报与中报的展望文本信息，通过关键词提及频率的边际变化，找到了基金经理对于后市的核心关注点。那么，基金经理的后市观点是否具有投资指导意义？我们应当如何应用基金经理的后市观点辅助投资决策？本节内容将从市场择时与行业配置两个维度，对上述问题做出解答。

本节分析所依据的基金样本为剔除赛道型产品后的主动权益基金，展望文本时间区间为2011/12/31至2022/12/31。此外，考虑到年报与中报的披露频率相对较低，本节将部分样本所披露的季报展望文本也纳入文本分析范畴，以提升样本信息量与分析精准度。依据基金报告披露规则，季报未强制要求披露基金经理的后市展望信息，但据我们统计，在2022基金年报中披露展望文本的样本为1772只，在2022基金四季报中披露展望文本的样本有649只（占比约37%）。

为使得行业词频统计相对精准，我们在统计时遵循如下原则：

►  采用申万一级和二级行业作为文本来构建行业词典，并对目标文本进行分词；

►  对于出现频率较高但并未完全精准匹配到行业词典中的行业关键词，我们再进行一步手动匹配。

经过上述处理后，我们再按照如下步骤进行统计：

►  对每只样本产品，在半年维度上，我们将申万一级行业一分为二，分别为：a）样本产品在该期中报/年报展望文本中提及的行业；b）样本产品未在该期中报/年报展望文本中提及的行业；

►  分别看“相关提及行业”与“未提及行业”在基金下一期季报的持仓占比均值（如半年报为每年8月披露，则相应检验10月披露的三季报持仓，再如年报为每年3月末披露，则相应检验4月披露的一季报持仓），以验证基金经理的行业观点是否与其实际行业持仓具有相关性。

经检验，相关提及行业的持仓占比均值高于未提及行业，符合我们的预期，因此可以认为基金经理展望文本中的有效信息含量相对充分。

图表11：2012年以来股票市场乐观悲观区间划分

资料来源：Wind，中金公司研究部

在前两节中，我们将样本基金经理看作一个整体，试图从聚合后的展望文本信息得到其关于后市的一致性观点，以及检验其中蕴含的择时与行业观点是否能够预测后市走势。在本节中，我们进一步将视角落到基金经理的个体差异，尝试从基金经理各期展望文本出发，得到每位基金经理的观点环比相似度时序值，据此判断基金经理的历史观点一致性。

具体而言，我们首先将每一位基金经理管理时间最长的基金筛选出来，将其年度和半年度展望文本作为该基金经理的展望样本。通过对于上述文本样本的处理和计算我们可以最终得到基金经理在每一个时间节点发出的展望观点与上一期的展望观点文本的相似性，从而得到基金经理观点的一致性度量。

文本数据预处理

Word2vec是Word Embedding 的方法之一，其主要功能是将词转化为向量，将未标记的原始语料库转换为标记数据（通过目标词映射上下文或者通过上下文映射目标词），而词与词之间的关系则由向量的相互映射关系记录进词向量。本文对于过滤分词后的文本进行Word2vec词向量解析，主要分为以下三个步骤：

►  模型输入：承接在文本数据预处理板块得到的文本结构数据结构，使用gensim.models中的LineSentence函数按行读入文本数据，其中一行对应于一段文本，文本以空格分隔，每两个空格之间即为一个分词后的词语。值得注意的是，各文本经分词后得到的词语个数不用强制保持一致。

►  模型设计：模型基于gensim.models中的Word2Vec函数进行设计。在参数选择上，设计参数为：window（窗口长度）为10，min_count（最小词频）为5，vector_size（词向量维度）为100，sg为0（使用默认的CBOW模型，即使用窗中涵盖的周边词去预测中心词，得到Word2Vec模型下对词向量解析的结果）。模型实例如下所示，在window等于5的参数条件下，即用周边的词预测中心词来实现词义和词间关系的保留。

►  模型输出：由于之前设计的vector_size（词向量维度）为100，则得到每个词解析下的结果即为长度为100的向量。文本词向量可以包含词间的语义信息，而词语之间的关系可由词向量的相互映射关系来记录。CBOW（window=5）模型对于“联合国专家表示中国带动了全球贸易与经济复苏”的解析示意图如下：例如对于“带动”的预测，输入为“表示”，“中国”，“全球”，“贸易”的词向量，输出目标为“带动”的词向量，计算通过单层神经网络模型实现。

总体来看基金经理超阈值占比走势和展望一致性平均值走势基本一致，均呈现出先低后高的走势，且固收+基金经理一致性总体高于权益基金经理观点一致性，纯债基金展望观点波动较大。展望一致性在2018年年底左右出现最低点，并在2021年底又出现上升趋势。

在2012年左右，国内基金经理数量处于较低水平，早期年度展望等内容的写作格式可能较为单一，总体一致性更强。2015年后随着基金经理数量的不断增加，展望的内容也逐渐多样化，基金经理观点一致性逐渐减弱。由于我国2019年左右应对疫情得当，沪深300指数在2019和2020年实现36%和27%的涨幅。当期基金经理展望一致性达到历史最低，对于接下来市场发展的观点转变较大。2021年和2022年沪深300指数的结果也均为下跌，跌幅分别为5%和22%。2022年基金经理展望观点一致性逐渐回升，截至2023年4月13日，沪深300指数涨幅为5个百分点。

为了检验基金经理观点一致性指标和市场的相关性，我们使用上述基金经理一致性均值和基金经理一致性阈值比例分别计算与展望报告发布时点间隔的沪深300指数以及中证全债净价指数的市场收益率、未来一期市场收益率、市场波动率、未来一期市场波动率、市场收益动量、未来一期市场收益动量计算相关系数。我们将市场收益动量定义为当期与前一期的收益率方向一致时值为1，否则为0的指示变量。

我们将沪深300指数替换成中证全债净价指数，计算固收+和纯债基金一致性指标和市场指标的相关系数。其中相关系数绝对值最高的一组为固收+文本平均值指标与未来一期中证全债收益动量指标，达到了48%。这表明固收+基金经理一致性较高时，下一期的收益率方向与当期收益率方向有更大几率一致。基本吻合当固收+基金经理当期展望观点与上期展望观点趋向一致时，未来一期的收益率方向与当期收益率方向有更大概率相同这一直观认识。纯债一致性对于未来一期收益率动量也有类似的效果但相关系数要显著低于固收+基金经理展望文本，而上文的权益类平均则是与当期的收益率动量更强相关。以上现象可能说明固收+基金经理展望文本相对于纯债或权益类基金经理来说对于未来一段时间市场收益率的方向具有更加前瞻性的判断。

特别提示

本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。

本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。

中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。

本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。

一般声明

本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。

本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。

在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。

本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。