当FinGPT遇到论坛数据——沪深300另类舆情增强因子

国金高智威，郭子锋 2026-06-11 置信度: high

综合质量 4 /5

新颖性 5 /5

可复现性 4 /5

核心内容

本报告通过开源金融大语言模型FinGPT对子长科技提供的金融论坛股民评论数据进行情感分析，构建乐观情感总和因子，在沪深300成分股上构建月频增强选股策略。FinGPT V3.1基于ChatGLM-6B进行LoRA微调，微调数据来自FPB、FiQA SA、TFNS和NWGI共76772条。情感打分体系包含情感表达、情感分歧与情感变化三个维度，主策略使用乐观情感总和因子。回测区间2018年1月至2023年6月，策略超额年化收益率8.02%，信息比率1.58。

经济逻辑

金融论坛情绪反映投资者集体心态。乐观情绪促使投资者积极买入推高股价（情绪与决策制定）；论坛多数人乐观时其他人跟风产生同向交易（从众心理）；论坛传播信息引起市场反应（信息扩散）；热门话题吸引注意力偏差强化情绪反应。这三条路径共同构成情绪→交易行为→股价变动的传导链条。评论数据比主帖更能反映参与者真实情感看法，因其多样性和高度情绪化特征更贴近投资者真实心态。

超额收益逻辑

超额收益来源于金融论坛评论情绪对股价的预测能力，传导路径有三：①情绪与决策制定——乐观情绪促使投资者积极买入推高股价；②从众心理——论坛多数人乐观时其他人跟风产生同向交易；③信息扩散与注意力偏差——论坛传播信息引起市场反应，热门话题强化情绪反应。论坛评论数据相比主帖更能反映真实投资者心态（多样性高、情绪化强），FinGPT大模型的强泛化能力可在低信噪比数据中有效提取情感信号，且该信号与基本面因子低相关，提供独立增量信息。因子与市值相关性0.55但为降序因子，说明超额收益不完全来自市值暴露。

构造细节 [factor]

因子定义

因子名称：乐观情感总和因子（降序因子）。构造步骤：Step1-数据采集与关联：子长科技LKM知识模型从金融论坛采集股民及大V言论，通过知识图谱实体对齐将每条评论精准关联到沪深300具体股票（处理股票代称如'宁王'对应'宁德时代'等复杂映射）；Step2-情感分类：部署FinGPT V3.1模型，输入每条评论文本，模型输出情感分类（正面/负面/中立）及情感得分；Step3-按股票聚合：对每只股票在统计窗口内的所有关联评论情感得分进行聚合，计算乐观情感总和（正面情感评论得分之和或正面评论数量加权）；Step4-因子构建：情感打分体系包含三维度——情感表达（乐观/悲观情感总和）、情感分歧（投资者意见分歧度）、情感变化（情感时间序列变化率），主策略使用乐观情感总和因子；Step5-因子方向处理：降序因子，值越大代表投资者越乐观，预期未来收益越高。因子与市值相关性0.55但方向相反（降序），与基本面因子相关性低。

处理流程

1. 数据采集：子长科技通过LKM大知识模型从公开社交媒体（股吧、论坛等）采集股民及股市大V言论，结合公司、行业、产品、相关技术等数据，进行实体对齐将评论精准关联到沪深300相关股票
2. 数据区分：将数据分为主帖（超1300万条）和评论（超480万条）两类，评论数据多样性高且高度情绪化，更能反映参与者真实情感
3. 情感推理：使用FinGPT V3.1（ChatGLM-6B+LoRA微调，微调数据FPB/FiQA SA/TFNS/NWGI共76772条）对每条评论文本进行情感分类，输出正面/负面/中立标签及情感得分
4. 按股票聚合：对每只股票在时间窗口内所有关联评论的情感得分进行聚合，计算乐观情感总和
5. 多维度因子构建：从情感表达（乐观/悲观总和）、情感分歧（意见分歧度）、情感变化（时间序列变化率）三维度构建因子体系
6. 因子测试：计算IC（乐观情感因子IC=3.68%）、分位数组合收益（单调性良好）、多空组合收益（年化12.71%）
7. 因子相关性检验：与基本面因子低相关，与市值相关性0.55但为降序因子
8. 策略构建：选择乐观情感总和因子前20%股票等权组合，月频调仓

参数

模型基座: ChatGLM-6B微调方法: LoRA微调数据量: 76772条因子方向: 降序组合选股: 前20%调仓频率: 月频手续费: 千分之三

数据输入

: (日频采集，周度覆盖超过260只沪深300股票): (逐条评论推理)

组合方式

乐观情感总和因子单独使用，未提及多因子合成；因子与市值相关性0.55但为降序因子区别于市值因子

绩效

3.68%

单因子IC

12.71%

多空组合年化收益率

6.69%

策略年化收益率

0.32

夏普比率

8.02%

超额年化收益率

1.58

信息比率

6.94%

超额最大回撤

基准: 沪深300

回测期: 2018年1月1日至2023年6月30日

以乐观情感总和因子构建大模型金融论坛舆情增强策略，月频调仓，在千分之三的手续费下策略年化收益率为6.69%，超额年化收益率为8.02%，信息比率为1.58，超额最大回撤仅为6.94%。

收益归因

报告未进行收益归因分析

缺口: 未对策略超额收益的具体来源进行详细拆解和归因

稳健性

子样本稳定性: 回测覆盖2018-2023年含牛熊市，多空净值增加平稳，但报告未分段子周期稳定性测试

风格偏差: 与市值因子相关性0.55（为降序因子区别于升序市值因子），与基本面因子相关性低，说明因子具有一定独立性但存在市值风格暴露

因子分位数组合单调性良好，多空净值平稳，与基本面低相关证明独立增量信息。但存在市值风格暴露（相关性0.55），未进行行业中性化、市值中性化处理，未测试不同子周期稳定性，未做因子衰减分析。

数据依赖

所需数据: 子长科技金融论坛股民情绪数据（核心商业数据源）、FinGPT V3.1模型权重（开源）、GPU推理资源（单张RTX 2080Ti可运行ChatGLM2-6B推理）

可复现性: hard

核心数据依赖子长科技商业数据源，非公开可获取；FinGPT模型开源可复现但需GPU推理资源；LKM知识模型实体对齐技术为子长科技专有。整体复现难度高，数据获取是主要瓶颈。

新颖性评估 [新方法]

创新点在于将开源金融大模型FinGPT应用于金融论坛另类数据情感分析并直接构建选股因子。技术创新有三：①LKM决策智能实现评论-股票精准关联（处理复杂代称如'宁王'）；②FinGPT本地化部署替代GPT API降低成本；③情感打分三维度体系（情感表达、分歧、变化）。但因子构造方法（乐观情感总和）相对简单，未充分利用大模型输出的丰富信息。

不足与缺陷

数据来源高度依赖子长科技商业数据，非公开可获取，复现门槛极高
因子构造过于简单——乐观情感总和仅为加总聚合，未利用情感分歧和情感变化维度，也未做用户质量加权
存在市值风格暴露（与市值相关性0.55），未进行市值中性化或行业中性化处理，超额收益可能部分来自市值因子
未进行收益归因分析，无法确定超额收益来自情绪预测能力还是风格暴露
论坛数据信噪比低，受水军、营销帖、段子评论干扰，虽提及但未说明具体清洗规则
未测试因子在牛熊不同市场状态下的稳定性，2018-2023跨度大但未分子周期分析
未与传统情绪因子（如新闻情绪、分析师情绪）对比，无法证明论坛情绪的增量价值
模型参数敏感性分析在附录未在正文展开，LoRA微调的过拟合风险未讨论
策略年化收益仅6.69%（绝对收益低），超额收益8.02%但基准本身下跌，需关注绝对收益水平
因子IC 3.68%虽有效但不算高，且未报告ICIR、IC胜率等更详细统计量

可复用元素

FinGPT V3.1模型权重开源可获取，基于ChatGLM-6B LoRA微调，适合中文金融文本情感分析
LKM决策智能vs LLM生成式AI的对比框架，决策智能在实体对齐场景的可解释性优势
金融论坛主帖vs评论的区别分析——评论更情绪化、更多样、更能反映真实投资者心态
情感打分三维度框架（情感表达、情感分歧、情感变化）为因子构建提供系统化思路
FinGPT微调数据来源明确（FPB/FiQA SA/TFNS/NWGI共76772条），可复现微调过程
单张RTX 2080Ti即可运行ChatGLM2-6B推理，部署门槛低

启发

开源大模型本地化部署用于金融NLP任务的成本-效果平衡方案可行，FinGPT替代GPT API的路径验证
决策智能（LKM）+生成式AI（LLM）的组合架构——LKM负责精准关联定位，LLM负责情感理解，各取所长
金融论坛评论作为另类数据与基本面因子的低相关性（独立增量信息），值得纳入多因子体系
大模型的few-shot/zero-shot能力在低信噪比金融文本处理上比传统BERT有泛化优势

改进方向

使用FinGPT对券商研报文本进行情感分析构建研报情绪因子

基于: 相似逻辑（FinGPT情感分析+文本关联个股），不同数据源预期收益: 研报文本信噪比远高于论坛评论，分析师观点更具专业性和前瞻性，预期因子IC更高、更稳定；研报情绪与论坛情绪可互补使用形成复合情绪因子

对论坛用户进行质量分层加权——根据用户历史发帖量、准确率、影响力等赋予不同权重后聚合情感得分

基于: 当前乐观情感总和因子对所有评论等权聚合，未区分用户质量预期收益: 资深投资者情绪信号信噪比更高，加权后因子IC预计提升20-30%，减少水军和噪音干扰

构建情绪动量因子（情感变化率）和情绪反转因子（极端情绪反转信号），与情感表达因子形成三因子情绪体系

基于: 报告提出三维度框架但仅使用情感表达维度预期收益: 情绪变化率捕捉边际改善信号，极端情绪反转捕捉均值回归信号，三因子组合预计提升多空收益至15%+

对乐观情感因子做市值和行业中性化处理后重新测试

基于: 因子与市值相关性0.55，超额收益可能部分来自市值暴露预期收益: 中性化后若IC仍显著则证明情绪因子的纯Alpha属性，提升因子在多因子模型中的增量价值

复现计划

1. 数据层：获取子长科技金融论坛数据（或自行爬取东方财富股吧数据作为替代，需构建实体对齐规则将评论关联到股票，可借助开源金融知识图谱）；2. 模型层：从AI4Finance-Foundation GitHub获取FinGPT V3.1模型权重和LoRA适配器，部署ChatGLM-6B基座+LoRA权重，需单张RTX 2080Ti及以上GPU；3. 推理层：编写批处理脚本对每条评论调用模型输出情感分类（正面/负面/中立），参考报告附录7.1的推理代码样例；4. 因子层：按股票聚合乐观情感总和，构建月频因子值；5. 测试层：在沪深300成分股上计算IC（目标3.68%）、分位数组合收益、多空组合收益（目标年化12.71%）；6. 策略层：前20%等权月频调仓，手续费千分之三，对比沪深300计算超额收益（目标年化8.02%，IR 1.58）；7. 验证层：检查因子与市值相关性（目标0.55）、与基本面因子相关性（目标低相关）；8. 关键风险点：数据获取是最大瓶颈，如无法获取子长科技数据需自行构建实体对齐管道，可使用开源NER模型+金融实体库替代LKM。