在我国资本市场中，政策作为宏观调控的重要工具，对行业资产价格具有显著影响。本文尝试将政策文本纳入金融文本分析框架，构建政策——行业相似度指标体系，识别政策支持导向，并探讨其在行业定价中的作用机制。文章构建了涵盖多层级政策的文本数据库，分别采用传统模型（LDA和LSA）与大语言模型（LLM）识别政策中的行业提及频次，测算政策——行业相似度指数，并结合行业收益数据构建策略。文章进一步引入支持向量回归（SVR）识别不同行业的最优政策滞后期，提升策略表现。实证结果表明：LLM模型在政策主题提取上明显优于传统方法，基于政策相似度构建的行业策略在多阶段均展现出稳健的超额收益，且政策对行业的影响有长期滞后效应，行业反应通常在政策发布半年后。考虑现实市场约束，基于最优滞后窗口构建的单边多头策略也表现优秀，具备良好实用性，特别是在政策密集期（如2015、2020年）表现突出。本文的研究为政策信号的量化研究与行业资产配置提供了新的方法与实证支持。