哈喽大家好，我是小叶。

今天想带大家聊一个非常实战、甚至带点“心理博弈”的投研场景：业绩说明会（Earnings Call）的自动化分析。

如果你是买方研究员，你一定听过业绩会。

  • 场景：管理层宣读完 PPT，进入 Q&A 环节。
  • 博弈：分析师抛出尖锐问题（比如：“为什么二季度毛利下滑了？”），管理层往往会用一些复杂的辞令来应对。
  • 痛点：全场一个多小时，PDF 几万字。你如何快速定位到那些“管理层不敢正面回答”或“语气出现微妙变化”的瞬间？

作为一个爱好开发的小程序媛，我去年尝试用 RAG (Retrieval-Augmented Generation) 构建了一个业绩会助手。今天想聊聊我的实战心得。

1. 为什么 RAG 是业绩会的“克星”？

业绩会是高度非结构化的对话。

  • 长文本：全文太长，直接塞给大模型（LLM）会被切断，或者因为它太长而产生“幻觉”。
  • 多说话人：需要区分是哪个分析师问的，哪个高管回的。
  • 语义模糊：比如管理层说“我们在努力改善……”，这在语义上是积极的，但在语境下（毛利大幅下滑）其实是负面的信号。

我的反思：
RAG 最大的价值在于上下文检索。它能帮我把分析师问的问题和管理层在后面几十页的某个零散回答对应起来。这不再是简单的全文摘要，而是一个**“精准对质”**的过程。

2. 🛠️ 实战中的“测谎”技巧：Prompt 的力量

在做业绩会分析时，我发现普通的 Prompt 根本抓不住重点。我现在会给 AI 下达这样的指令：

  1. 输入 1：本季度的财务数据摘要（特别是下滑明显的项）。
  2. 输入 2：管理层在 Q&A 环节的原始对话。
  3. 任务：对比管理层的回答是否逻辑自洽。如果数据大幅下滑，但管理层避而不谈具体原因，或者用“外部环境”作为唯一的挡箭牌，请标注为“潜在风险点”。
  4. 输出：提取出 3 个管理层态度最不确定、或者语气最生硬的问题。

我的改进：
我引入了 Diarization（说话人识别） 技术。我不仅分析文字，我还会把语音转文字后的“停顿时间”作为一个特征。如果一个高管在回答某个敏感问题前停顿了超过 2 秒，那这绝对是一个值得深挖的信号。

3. 给同行的一点真心话

AI 确实能帮我们抓出文字里的“漏洞”，但它永远无法代替人类的直觉。管理层可能是因为性格内敛，也可能是因为身体不适。

我的感悟：
投研的本质是信息不对称的消除。AI 帮我们把这些显性的文本信息处理得更好，但隐性的博弈依然需要分析师去线下的调研中确认。

4. 碎碎念

其实，做投研的人都有点“测谎仪”的自觉。我们不仅要看公司好不好，更要看管理层诚不诚实。

最近我在尝试把“同一行业的不同公司业绩会”放在一起做对比分析。发现当一个行业整体景气度下滑，但某家公司依然在吹嘘自己的增长动力时，那种“异常值”往往蕴含着巨大的做空或避雷机会。等我攒够了案例，再来跟大家复盘。

合规提醒：本文内容仅为技术交流。业绩会分析不代表任何投资观点。操作需谨慎。