AI选股，为什么只看今天新闻还不够？

设想一家设备公司签下了一份大订单。接下来几天，媒体报道、券商点评和管理层访谈陆续跟进，标题大多积极。过了几周，公司首次披露交付延期。

前面十篇材料可能都在重复同一次签约，新的延期消息则需要单独核查：交付安排为什么变了，会不会影响原先的收入确认时间？AI要跟上这项工作，也需要知道这家公司的事情是怎样一步步发展到今天的。

RICE-Alpha尝试让模型用上这些历史记录。它先结合新闻、量价、基本面和宏观信息给股票评分，再参考历史上类似事件的后续表现，对原有评分做有限修正。

01 / 先把多篇新闻归到同一件事

一份订单签约后，还可能有追加采购、排产调整，收入如何确认也需要跟踪。涉及这份订单的报道，要先归到同一项记录里，再看哪条材料带来了实质变化。

重复报道仍值得保留。Tetlock在2011年的研究中，用一篇报道与同家公司此前十篇报道的文本相似度，衡量消息有多陈旧。投资者仍会对这些旧信息作出反应，之后还可能出现收益反转。因此，转载可以保留为来源，但不能算成新的经营进展。

RICE-Alpha把事项分成三种状态：首次出现记为NEW，已有事项出现实质变化记为UPDATED，尚未解决、暂时没有新进展的事项记为CARRIED。前两类通过核验后，记下一次有日期的事件；CARRIED保留供后续查询，不增加事件发生次数。

每条记录只能使用当时已知的材料。几周后披露的延期，不能补进签约当天的材料；后续观察还没结束，也不能因为暂时没看到进展，就认定后来没有发生变化。

Li、Qiao和Zheng的研究也用大模型把新闻整理成“主体、动作、对象”，再建立收益预测模型。RICE-Alpha关注事项的延续，并用历史上的后续表现来检查今天的判断。

02 / 历史上，这类事件后来怎样了

RICE-Alpha先在同一家公司内寻找前后关系：一种事件出现后，1至20个交易日内，是否出现过另一种事件，配对时还要求市场状态一致。A公司宣布订单，几天后B公司上调指引，时间再接近，也不能组成一家公司的事件路径。

单家公司的重复经历不多。系统先完成各家公司内部的有效配对，再汇总同一市场、相同市场状态下的类似关系，借助更多样本估计规律。

假如指引上调本来就很常见，“订单后出现指引上调”可能没提供多少额外信息。系统会比较订单后出现上调指引的频率，与同一市场状态下各类事件后出现上调指引的基准频率，再检查样本数量、日期覆盖、后继间隔，以及相关收益是否已经完成观察。

新闻写得乐观，历史上类似事件的后续表现却未必好。系统参考历史上后续事件发生后的实际收益，校准信号的正负方向。事件图只看直接相连的一步后继。

这些关系记录的是时间先后，不代表因果。它们可以给研究员提供核查线索，但订单怎样影响利润，仍要看具体经营情况。过去经常出现某种后续变化，也不能保证眼前这家公司会照着同样的顺序发展。

03 / 历史经验该让评分改多少

同一份公告，可能已经进入新闻分析，也影响了技术评分，历史事件库又找到了相似经历。把这些分数直接相加，同一份信息就可能被重复计算。

RICE-Alpha的基础评分已经综合了情绪、技术、基本面和宏观分析，负责情绪分析的Agent也会读取当时可用的公司历史。事件模块需要先检查，新增的历史信号与基础评分、技术评分重叠了多少。

论文用残差处理扣除这种统计上的重叠，再把剩余部分转成RICE Delta，对最终评分做有幅度限制的调整。找不到符合条件的历史关系，就不额外修正。

04 / 回测里，历史记录多帮了多少

论文使用纳斯达克100和恒生指数在各个历史日期的成分股，先用2023年初始化记忆与事件统计。评估期为2024年1月2日至2026年3月30日，预测目标是从下一开盘起算的五个交易日收益。

回测组合每周调整一次，美股、港股的单边成本分别为8、14个bp。在这些条件下，论文报告的净夏普比率分别为1.656和1.725。

论文还比较了几个版本。美国样本中，保留历史记忆、尚未加入事件图的版本，IC为0.0191；直接加入事件图修正后为0.0260；完整加入可靠性加权与残差处理后为0.0350。IC衡量不同股票的评分与后续收益之间的相关程度。

这支持历史事件信息能提供补充，也说明这些信息怎样加权、怎样与原有判断结合，会影响结果。完整系统同时使用了价格、财务和宏观信息，收益不能全部归给新闻。

05 / 公司变化如何进入市场预期

公司披露了变化，分析师预测和投资者讨论可能还停留在旧判断上。《GIM观察丨叙事追踪》提供了一个补充视角：继续追踪这项进展被谁转述、怎样解释，何时进入市场预期。

Huberman与Regev研究过一个案例。1998年，《纽约时报》报道与EntreMed有关的实验性抗癌研究，随后周一的开盘价达到85美元，上周五收盘时约为12美元。相关结果五个多月前就已见于《自然》和报纸，《纽约时报》也曾报道过。旧事实重新获得关注，同样可能带来新的价格反应。

整理新闻时，可以把公司事件和传播记录分开。转载没有增加一份订单，却可能把消息带给新的读者。来源逐条保留，同一件事不重复计数；来源数量也不能直接当成独立证据的数量。

回到开篇的设备公司，先把合同、交付安排和延期接在同一项记录里，标明新材料改了什么。再核查延期来自排产变化，还是客户调整采购，收入确认是否后移。假如新的交付安排跨过原先预计的收入确认季度，就要检查旧预测里的时间假设。材料没有回答的，继续留作待核查问题。

市场这一侧也要留下当时的判断：分析师有没有修改收入预测，讨论仍在强调订单增长，还是开始担心交付。记下这些判断出现的时间，再与价格反应并排，检查市场的收入预测是否跟上了新的交付安排。这是叙事追踪的应用延伸，RICE-Alpha本身没有直接测量共识传播。

日常使用时，可以先让AI保存原始披露和引用片段，记下发布、采集时间，标注所属公司、事项和待核查问题。下一次披露出现，再回看签约当天的假设，收入预期何时修改，哪些判断最后没有兑现。

参考资料

1. Liu等（2026），RICE-Alpha，arXiv:2609.34004v2。

2. Tetlock（2011），All the News That's Fit to Reprint，RFS。

3. Li、Qiao、Zheng（2025），Structured Event Representation and Stock Return Predictability。

4. Huberman、Regev（2001），Contagious Speculation and a Cure for Cancer，Journal of Finance。

5. GIM观察丨叙事追踪：AI如何看见共识的升温与退潮。