综合质量 4 /5
新颖性 3 /5
可复现性 3 /5
分类
AI·机器学习另类数据 日频 情绪 A股指数增强 深度学习
利用大语言模型标注样本训练BERT-TextCNN模型对金融论坛股评进行情感分类，构建多维度周频舆情因子等权合成选股，实现中证1000指数增强。
关键结论
合成因子IC为6.13%，多空年化收益54.76%；中证1000增强策略年化超额收益13.95%，信息比率1.56，超额最大回撤9.52%。
核心要点
- 数据来源：子长科技提供的中证1000成分股金融论坛主帖数据，总样本超5000万条。
- NLP模型：使用ChatGPT4和FinGPT双大模型结合子长LKM标注2.6万条样本，训练基于albert_chinese_small的TextCNN模型，样本外准确率超85%。
- 因子构建：从情绪一致性、关注度、关注度波动、整体情绪、情绪波动五个维度构建等权合成因子，IC达6.13%。
- 策略回测：周频调仓选前10%股票，单边千二成本，2018-2023年获得13.95%年化超额收益，信息比率1.56。
核心内容
报告通过子长科技获取中证1000成分股的金融论坛股民主帖数据，使用大语言模型（ChatGPT4+FinGPT）结合子长LKM标注约2.6万条样本，训练基于albert_chinese_small的TextCNN模型进行情感三分类（积极、消极、中性）。进而构建五个维度的周频因子（情绪一致性、关注度、关注度波动、整体情绪、情绪波动）等权合成，选前10%股票构建指数增强策略。
经济逻辑
股民情绪影响交易行为进而影响股价。金融论坛舆情数据反映了散户情绪的宣泄和观点。积极情绪一致或关注度极高的股票可能存在过度炒作或反转风险（对应因子IC为负），而整体情绪越积极（积极帖子减消极帖子）则代表基本面或情绪推动的正向预期。结合全局和局部特征的NLP模型能准确提取情感，通过多维度因子将舆情转化为Alpha。
超额收益逻辑
论坛股民关注度越高或情绪一致性越强（积极）的股票往往由于短期过度反应导致未来表现较差（对应因子IC为负）；整体情绪越积极则推动股价上行（IC为正）。合成因子通过等权结合了反转逻辑与动量情绪逻辑，实现与低相关性传统因子的互补，获取超额收益。
构造细节 [strategy]
数据输入
: (日频(聚合为周频计算因子))
组合方式
五个维度的因子(情绪一致性、关注度、关注度波动、整体情绪、情绪波动)进行等权重合成
绩效
85%
样本外准确率
6.13%
合成因子IC
0.71
风险调整的IC
12.4
t统计量
54.76%
多空年化收益率
4.07
多空组合夏普比率
9.02%
多空组合最大回撤率
12.99%
top组合年化超额收益率
10.85%
策略年化收益率
13.95%
年化超额收益率
1.56
信息比率
9.52%
超额净值最大回撤率
基准: 中证1000指数
回测期: 2018.1.8-2023.12.29
利用大语言模型标注样本，训练BERT-TextCNN模型对金融论坛股评进行情感分类，构建多维度周频舆情因子。合成因子IC达6.13%，多空年化收益54.76%。基于此构建的中证1000指数增强策略实现了13.95%的年化超额收益率，信息比率1.56。
收益归因
缺口: 报告未进行超额收益的具体归因分析。
稳健性
子样本稳定性: 2018-2023年除2019年外，其余各年份均获得了正的超额收益率，具有一定的子样本稳定性。
风格偏差: 合成后的舆情因子与传统选股因子的相关系数均不超过0.3，风格暴露较低。
因子与传统因子相关性低，在大部分年份表现稳健，但2019年未获正超额，说明对特定市场环境有一定依赖。
数据依赖
所需数据: 子长科技提供的金融论坛股民主帖文本数据及LKM情绪标签数据
可复现性: hard
高度依赖第三方商业数据源(子长科技)，且大模型标注过程具有一定随机性，普通研究者难以完全复现数据与标注过程。
相关研究
FinGPT对论坛评论情感的精准识别——沪深300另类舆情增强因子 — 前序研究，本报告将其方法扩展并应用于中证1000股票池
新颖性评估 [新组合]
将FinGPT/ChatGPT标注与ALBERT-TextCNN模型结合用于NLP情感分类并非完全首创，但提取多维周频因子（一致性、关注度及波动、情绪等）等权合成并应用于中证1000增强，属于数据和策略层面的新组合。
不足与缺陷
- 数据源高度依赖子长科技的商业数据及LKM标注结果，难以独立复现
- 大语言模型对'中性'情感的识别能力有限，可能引入标签噪音
- 对'前0%与35%内'缓冲条件的描述疑似笔误，细节缺失影响完美复现
- 未进行详细的超额收益归因分析，无法确定超额来源
可复用元素
- 双大模型加第三方标签相互验证的样本标注规则，有效提高了训练集质量
- ALBERT-TextCNN结合全局与局部特征的网络结构设计，平衡了效率与效果
- 多维周频因子的构建（关注度和情绪的绝对值及波动率）逻辑清晰，具有实战参考价值
启发
- NLP情感因子与传统量价因子相关性低，可用于多因子模型增量补充
- 通过大模型标注小样本+小模型推理全量数据的降本增效范式可推广至其他另类数据处理
改进方向
使用开源金融大模型直接进行Prompt Engineering生成情感连续打分，避免三分类的阈值断裂，或者使用对比学习构造更精细的情感特征，替换TextCNN提取局部特征
基于: 相似逻辑 + 不同构造 预期收益: 提高情感表达的颗粒度，减少信息丢失，增强因子与未来收益的线性关系，有望提升IC均值。
复现计划
1. 获取股吧/雪球等公开论坛发帖数据；2. 调用GPT-4及开源金融大模型进行三分类标注；3. 构建ALBERT-TextCNN模型并微调；4. 预测全量文本情感；5. 构造积极/消极占比、帖子数、帖子数差及对应波动率等5个周频因子并等权合成；6. 每周初按因子值排序选前10%构建中证1000增强组合并设置换手率缓冲。
实体
BERT-TextCNN [model]FinGPT [model]ALBERT (albert_chinese_small) [model]子长科技金融论坛舆情数据 [dataset]中证1000指数增强 [concept]大语言模型 [concept]
LOCAL SIMILARITY