本专栏共10节，带你从0搭出带AI摘要、可多维筛选的个人研报库。这是第3节：前两节搭好了"库"，这节讲"用"——从研报到交易线索，一条完整的链路长什么样。

一、先回答一个问题：研报库搭起来，然后呢？

很多程序员朋友搭完研报库，第一天很兴奋，第十天就再也不开了。

为什么？因为"能看"不等于"有用"。3844篇研报躺在库里，你还是一篇都读不完，最后退化成一个"看着很厉害的书签"。这不是你的问题，是链路没闭环——从入库到线索，中间缺了一套加工流程。

这一节，我把这条链路完整拆开。四步：入库→AI结构化摘要→多维筛选→线索输出。前三步第1、2节和第6、8节已经讲过（或即将讲），这节重点讲第4步：怎么把研报，变成一条可跟踪的投资线索。

先泼一盆冷水：研报是卖方观点，不是圣旨。券商分析师的KPI是研究报告的覆盖量和佣金派点，不是帮你赚钱。这条链路的目标，是从卖方观点里挖出"预期差"——市场还没充分定价的信息，而不是把研报结论当操作指令。

二、四步链路总览

[1. 入库]  东方财富研报中心 → 抓取列表页 → PDF落盘               ↓[2. AI结构化摘要]  50页PDF → 四件套（核心观点/关键数据/评级估值/风险提示）               ↓[3. 多维筛选]  行业 / 券商 / 评级 / 标的 四个维度交叉过滤               ↓[4. 线索输出]  预期差挖掘 → 输出”可跟踪线索”，不是”买卖指令”

第1步和第3步的技术细节，分别在第3节（列表页抓取）和第8节（四维检索）展开。这节我们重点看第2步到第4步的"用法"——也就是数据已经进了库，你每天打开它，应该看什么。

三、核心打法：挖"预期差"

预期差，翻译成大白话就是：大家以为A，结果可能是B，中间这个差距就是机会。

研报库里挖预期差，有三个标准动作：

动作一：同一行业，多家券商连续上调评级。

单家券商上调评级，可能是分析师个人判断；但如果一个月内，三家、四家不同券商先后上调同一行业里某几家公司的评级，这就不是巧合了——说明卖方在集体修正预期。这种"集体修正"往往领先于市场共识。

在研报库里的操作：按"行业"筛选近30天研报 → 按"评级变化"排序（从中性/增持上调至买入/强烈推荐）→ 看是否有3家以上不同券商指向同一标的或同一细分赛道。

动作二：目标价上调幅度最大的标的。

目标价上调10%和上调50%，信息含量完全不同。后者意味着分析师的盈利预测模型发生了实质性修正——可能是新订单、新产品、新政策。这种大幅修正，值得你顺藤摸瓜去看原文。

在研报库里的操作：按"标的"聚合，计算各券商目标价的上调幅度 → 排序 → 取上调幅度最大的前几名 → 读AI摘要里的"关键数据"部分，确认上调的理由是什么（是业绩超预期？还是单纯的情绪性上调？理由比数字重要）。

动作三：风险提示里的"反向信号"。

这个容易被忽略。研报摘要的第四块是"风险提示"，大多数人跳过不看。但有经验的读者会反过来看：如果某篇深度报告的风险提示写得特别具体、特别长（比如"原材料价格上涨10%将侵蚀毛利率3个百分点"），说明分析师对这家公司的理解很深，这种报告的"核心观点"可信度反而更高。反过来，风险提示只有一句"宏观经济波动风险"的模板化报告，参考价值打折。

四、一个脱敏案例：从"集体上调"到"跟踪清单"

下面是一个化名处理的真实流程（标的、券商、时间均已脱敏，仅演示方法）：

2026年9月中旬，我的研报库跑了一次月度扫描。筛选条件：近30天、"专用设备"行业、评级上调。

结果跳出来4篇报告，来自3家不同券商，指向同一家做半导体检测设备的公司（化名"甲公司"）：

• A券商：8月底"增持"→9月初"买入"，目标价上调22%
• B券商：9月初首次覆盖，直接给"买入"，目标价对应当前价有35%空间
• C券商：9月中旬"买入"维持，目标价上调18%，理由是"在手订单确认超预期"

三家券商，一个月内，同一方向。这就是动作一说的"集体修正"。

然后看动作二：目标价上调幅度最大的是B券商的首次覆盖，35%空间。读它的AI摘要"关键数据"部分：在手订单同比增长超60%，某大客户验证通过。上调有订单数据支撑，不是拍脑袋——这是关键区别。

这条线索的输出是什么？不是"买入甲公司"，而是一条跟踪清单：

跟踪标的：甲公司（半导体检测设备）线索来源：3家券商9月内集体上调/覆盖，目标价上调18%~35%待验证：Q3财报的订单确认节奏、大客户验证的持续性跟踪动作：加入观察清单，等三季报验证，不追高

注意最后一句：等财报验证，不追高。研报给的是"值得看"的方向，验证靠财报和数据，动手靠自己的交易系统（比如专栏一的四关决策）。研报线索永远只做到"把这只票放进你的视野"，剩下的交给纪律。

五、三个必须刻在脑子里的提醒

1. 研报是卖方观点，只做信息输入，不做决策依据。

分析师和你没有利益一致性。他的报告可能是真看好，也可能是配合机构出货、可能是维持覆盖关系。把研报当"市场在想什么"的输入源，而不是"市场应该怎么走"的答案。

2. 警惕"一致性陷阱"。

当所有券商都看好同一个方向时，分歧消失了——按情绪周期的逻辑（专栏六第1节讲过："分歧推动上涨，一致见顶"），过度一致本身就是风险信号。预期差的价值在于"差"，大家都看到的预期差，就不是预期差了。

3. 线索必须有"证伪条件"。

每条跟踪线索，写下什么情况下它失效了。比如上面甲公司的例子：如果三季报订单增速回落到20%以下，这条线索就作废。没有证伪条件的跟踪，叫"执念"，不叫"研究"。

本节小结

• 从研报到线索的完整链路：入库→AI结构化摘要→多维筛选→线索输出，前三步是工程，第四步是方法。
• 挖预期差的三个标准动作：多家券商连续上调评级、目标价上调幅度排序、反向读风险提示。
• 研报线索的输出物是"跟踪清单+证伪条件"，永远不是买卖指令；动手之前，必须过自己的交易系统。
• 下一节（第4节）：列表页抓取实战——从研报列表到PDF落盘的完整pipeline，含反爬应对。

免责：本专栏分享研报库搭建与线索挖掘方法论，文中案例为脱敏演示，不推荐任何个股，不构成投资建议。研报为卖方观点，仅供信息参考。股市有风险，决策需独立。