然语言处理技术分析文本的情绪倾向。正面词汇出现得越多，指数越高。
“政策-行业关联度”要复杂一些。林枫需要建立一个模型，自动判断一篇政策文件对哪些行业有影响，影响是正面还是负面，强度有多大。他用了“主题模型”的方法——把过去十年的政策文件和行业指数走势放在一起训练，让算法自己学习两者的关联。
最困难的是“历史回测”。林枫需要回答一个问题：在过去的政策环境下，哪些因子（估值、动量、质量、成长等）表现最好？如果新国九条和老国九条有相似之处，那么老国九条之后的行情，能不能给我们一些启示？
他把2004年“老国九条”发布前后的市场数据调出来，跑了上百次回测。结论很有意思——在老国九条发布后的六个月里，表现最好的不是当时最热门的“五朵金花”（钢铁、汽车、石化、能源、金融），而是那些受益于股权分置改革的公司——比如有资产注入预期的国企、有股权激励方案的公司。
“这个结论告诉我们什么？”林枫在周会上汇报时说，“政策的影响，不是直接的，而是通过改变市场参与者的行为来实现的。老国九条没有直接说‘买国企’，但它改变了国企的行为模式——它们开始有动力做市值管理、做资产注入。这才是真正的传导机制。”
陈默听完，若有所思：“所以，新国九条也不会直接说‘买券商’或者‘买创业板’。它会改变上市公司的行为、改变资金的流向、改变市场的游戏规则。我们要做的，不是猜哪个板块会涨，而是理解游戏规则变了之后，哪些公司会受益。”
“对。”林枫说，“这就是沈清如说的‘政策分析框架’——不是预测，是推演。”
---
5月底，ACC召开季度策略会。
会议的主题只有一个：新国九条之后的资产配置调整。
沈清如先做了开场报告。她用了一个比喻：“如果把资本市场比作一个生态系统，那么政策就是气候。过去几年，气候是‘收缩’、‘规范’、‘防风险’。现在，气候在转向‘发展’、‘改革’、‘开放’。同样的物种（公司），在不同的气候下，生存和繁衍的能力完全不同。”
她翻到下一页，是一张“气候-物种适应度”矩阵：
政策方向 最适应物种 第二适应物种 需要警惕的物种
鼓励并购重组 有整合能力的龙头、券商 创投、园区 纯壳公司、垃圾股
发展多层次资本
…。。