最近搞了个大项目。

给基金的中期报告和年度报告做了个语义分析。选了全市场上的，470只股票型基金，从2010年至2020年的基金中报和年报，一共一万多份报告，120多万字。本来想用excel处理数据，结果电脑硬生生给跑宕机了。

后来用了3个工具：

第一个是jieba分词，120万字的素材，分解出来5100多个汉语词汇，“结巴”中文分词，是一个挺好用的中文分词组件，把文字内容拆解成，许多关键词的组合

第二个是pandas，做数据处理

解出来的词汇，数量加总，倒序，再批量删掉那些出现频率很高的“废话”的语气词、标点符号、空话套话，的在了么，等等。

其实这些功能，Excel也能做，就是数据量太大啦，pandas效率会更高。

最后用WordCloud生成词云，字体越大，代表这个词出现频率越多，权重越高。

其实一点儿也不复杂。

先说大的结论吧，在这120万字的基金中报和年报中，出现频率最高的5个关键词是

经济，8283次，

市场，7603次，

投资，4907次，

行业，4764次，

估值，4600次，

这也好理解，股票市场是国家经济的晴雨表，而我们A股市场的气候在它的成长史中，虽然说显得比较情绪化，但大体上是和市场经济发展的脉络同方向的。

近几年的投资者，会越来越关注价格（估值）和赛道（行业），毕竟在一切都用数据说话的投资市场上，没有什么是真正的无价之宝。

如果我们把这些几乎每个报告都会提到的比较“宏大”的关键词删掉，或许可以更直观地看到每个报告，或者说每个时代，真正关心的东西。

同时，我也发现了一些，像我们这样年轻人，并不那么了解的历史情况，

从2010年和2011年的词云中可以看见，2011年的时候，通胀有多严重？

来源：上海期货交易所发展研究中心《上海期货交易所发展研究中心》

2012年开始，曾经上演过的，牛股倍出的创业板大行情。

2012年年报

我们也看到了市场相对风格极端的年份，市场曾经的机会与风险。

从2019年底开始，新冠疫情，和对抗疫情，成为全人类避之不及、但始终挥之不去的主旋律。

而科学技术的战略地位，正在越来越得到资金的关注和认可。

而如果我们拆解掉那些，宏大的词汇，重复的叙事，可能会找到更多，权重不断上升的，不断变化的，代表了新生事物、新的时代的关键词。消费，5G，新能源，以及，一些在更长远的话语体系里，永恒的命题：中国，复苏，增长，机会，长期。

最后，我们还是会建议大家，可以再去仔细地阅读一下基金的定期报告，我们的词频其实更像是把基金经理的市场观点，那些智慧的碎片和片段，拆解，重组，碰撞出一些火花。

其实完整的文字，完整的报告数据，是更加有温度和时代的共振的。那些基金隐藏在水面下的全部持仓，甚至有的基金经理可能定期会买自己的基金，也会体现在报告中。

在中国的资本市场上，赛道宽阔，产业纵深，不断有行业的消亡与新生，交替往复，你会看到，有人笃守信仰，有人改变方向，有人打破常规，有人从深渊走向辉煌。你会看到赛道宽阔，产业纵深，不断有行业的消亡与新生，交替往复，也总有一些痕迹，把这一切记录下来。

注：观点仅供参考，不构成投资建议或承诺。市场有风险，投资需谨慎。