当“口碑”接受硬数据拷问：对话同花顺，解码大数据模型如何“称量”价值

当口碑榜进入模型筛选环节，“口碑”二字开始接受硬数据拷问。

2026第十六届上市公司口碑榜目前正处于大数据建模关键期。《每日经济新闻》联合同花顺，依托iFinD多源数据体系，正对候选企业开展跨财报、行业、治理与资本回报等多维度的建模核验。今年的大数据模型，在合规排雷基础上，继续把市场口碑翻译为可量化、可回溯、可比较的价值信号，让每一张入围名单背后都有数据逻辑支撑。

为厘清大数据模型筛选的设计逻辑，《每日经济新闻》记者（以下简称NBD）专访了同花顺数据建模负责人（以下简称同花顺），从指标设计、算法校验到结果解释，逐层解码“口碑”如何被科学称量。

NBD：作为2026第十六届上市公司口碑榜的数据建模支持方，同花顺受到业内广泛关注。能否介绍一下今年建模团队的配置和数据基础？

同花顺：今年我们从公司的金融工程、数据科学、AI算法和行业研究四个方向抽调骨干，组成口碑榜专项建模组，覆盖从数据整理、指标设计到模型计算、回测检验和结果解释的完整流程。团队成员多数参与过往届口碑榜的建模工作，对筛选的口径和历史沿革比较熟悉。

数据方面，本届所有指标都取自iFinD金融数据终端，样本覆盖沪深京三市全部上市公司。围绕财务、市场与机构评价、公司治理合规、股东回报和创新投入四条主线，我们整理了近四个年度的年报数据、近三年的治理与披露记录，以及截至今年三季度的市场和机构评级数据，另外补齐了分红、股权激励、专利和行业分类等基础信息。

所有数据在进入模型之前统一口径、清洗去重并识别异常值，处理过程全程留痕，保证数据得分都能追溯到原始出处。

NBD：同花顺在搭建数据模型过程中，如何保证建模筛选的客观性，确保模型能够对上市公司进行科学考量与剖析？

同花顺：主要还是两条：数据源要权威可靠，算法过程要透明。

数据层面，本届口碑榜所用的数据都来自iFinD统一口径，财务数据以定期报告为准，合规与处罚信息以交易所和监管部门的公开披露为准，机构评价取全市场机构的综合评价结果。同一指标有多个来源时做交叉验证，出现矛盾以监管披露和定期报告为准。

算法层面，所有指标都要经过历史回测和统计校验，看它在不同年份、不同行业、不同市场环境下是否稳定，能不能真正把公司区分开，通不过检验的指标不会进入最终模型。针对不同案例项目，配置差异化的指标和权重，不会拿一套分数套所有项目。

今年特别强调了两件事。一是可比性：不同行业、不同规模的公司放在同一把尺子上量会失真，所以我们在行业内部做标准化处理，并对规模差异做相应调整；上市板块不同、披露要求不同的，也分开比较。本届各条赛道的样本量差异很大，所以我们以赛道内比较为主，不做跨赛道的直接排序。二是可解释性：任何一家公司在任一项目上的得分，都可以逐层拆到具体指标和具体取数来源。

另外我们保留了专家复核和负面清单机制。对存在重大违法违规、财务造假、审计非标准意见等情形的公司会做审慎处理，不会因为它在正向指标上得分高就豁免。

NBD：本届口碑榜大数据模型主要从哪几大维度，采用哪些核心数据指标对上市公司进行综合评估？

同花顺：本届模型设置了财务质量、成长能力、市场表现与机构认可度、公司治理与合规、股东回报与社会责任、创新投入六个维度，每个维度下的指标都对应到已有的基础数据。

财务质量方面，主要看盈利水平和财务结构的稳健程度，取近三个年度的净资产收益率和资产负债率来衡量。

成长能力方面，看近三个年度的营业收入和净利润增长情况，同时看增长的连续性和稳定性，也看收入和利润是不是主要来自主营业务。一家公司单年冲高、次年回落，和连续几年稳步增长，在模型里的结果是不一样的。

市场表现与机构认可度方面，看市值规模和市值变化情况，以及全市场机构对公司的综合评价水平及其变化方向。这块既看结果，也看趋势。

公司治理与合规方面，看交易所对信息披露的年度考核结果、监管处罚记录、业绩预告与年报实际数据的吻合程度，以及投资者关系活动的开展情况。其中信息披露考核取连续三年的结果，避免因某一年的偶然表现影响判断。

股东回报与社会责任方面，看现金分红水平、股息率、股权激励的覆盖与实施进展、员工规模，反映公司与股东、员工共享发展成果的实际情况。

创新投入方面，主要看公司的专利积累，作为技术投入产出的一把量化标尺。

在这六个维度的基础上，各征集项目配置不同的权重和取数口径。

NBD：作为连续多年为每经上市公司口碑榜提供大数据建模支持的团队，2026年围绕科创与资本赋能，模型框架和考量指标方面有哪些变化和新增特色？

同花顺：今年主要有三处变化。

第一，增加了对主业聚焦度的校验。今年首次把主营业务比率纳入评分，看公司的收入和利润是不是主要来自主业，避免部分公司只靠概念或题材炒作，却撑不起业绩验证。

第二，创新投入有了统一的量化刻度。今年我们把专利积累作为创新投入维度的基础指标，使不同行业、不同规模的企业在技术积累上有一个可以横向对照的口径。这届主题讲“科创扬帆”，我们希望这个“帆”是可度量的，而不只是一个说法。

第三，机构评价从看覆盖度转向看变化方向。过去更多看有多少家机构覆盖、综合评级是多少，本届把机构评级的上调与下调、买入与减持的态度变化一并纳入，看的是机构态度在往哪个方向走。这项数据对市值规模和机构关注度差异较大的公司尤其有区分度。

此外，围绕“资本赋能”，我们在股东回报部分把现金分红、股息率、股权激励实施进展和市值变化放在一起看，关注资本投入是不是转化成了对股东和员工的实际回报。

今年我们也用大模型做了一些辅助工作，比如从年报、公告、调研纪要和机构研报里抽取非结构化信息，提高数据整理和核对的效率。但在我们的框架里，AI是放大镜，不是裁判。它提升的是信息处理的效率，最终进入评分的每一项指标，仍然必须是可解释、可复核、可追溯的。

口碑不是一年评出来的，是长期沉淀出来的。我们希望这套模型能把那些长期认真做事的公司识别出来、呈现出来。

目前，2026第十六届上市公司口碑榜大数据模型筛选正加速推进。在同花顺iFinD专业模型的逐层核验下，一批主业扎实、治理稳健、具备长期价值的优质上市公司正逐步显现。哪些企业能穿越数据检验、站上价值高地？我们拭目以待！