1.分析师路演数据：

随着线上路演的普及化，路演数据结构化并用于量化投资策略的可行性逐渐提高。我们对进门财经平台公开的线上路演数据进行文本分析，整理出结构化的路演数据，以构建事件驱动策略、指数增强策略和行业配置策略。核心想法在于提供一组与传统低频因子具有更低相关性的另类数据。

2.基于路演数据的事件驱动策略：

参考传统分析师覆盖策略做法，基于线上路演数据，我们构建了分析师覆盖度策略和首次覆盖策略，并与同为分析师行为的分析师调研策略进行对比。相对沪深300指数，本文的分析师覆盖度策略的年化超额收益率为6.77%，超额夏普比率为0.216；分析师首次覆盖策略的年化超额收益率为13.21%，超额夏普比率为0.459。

3.基于路演数据的指数增强策略：

在沪深300指数和中证500指数成分股中构建分析师覆盖度策略，并进行行业中性化处理，得到指数增强策略。其中，沪深300指数的年化超额收益为2.63%，超额夏普比为0.130。中证500指数增强的年化超额收益达到7.03%，超额夏普比为0.315。

4.通过路演数据进行定量行业配置：

通过定义行业覆盖度指标，并根据其环比变化定量选择热门覆盖的一组行业进行配置，策略近三年累计收益32.92%，年化收益9.84%，在收益和风险控制方面都明显好于行业指数等权组合。

风险提示

本篇报告通过历史数据进行建模，但由于市场具有不确定性，模型仅在统计意义下有望获得较好投资业绩。同时，线上路演网站数据存在停更风险。另外，本报告不构成任何投资建议。