Alpha掘金系列之十一：基于BERT-TextCNN的中证1000舆情增强策略-240508-国金证券-20页_1mb

基于金融论坛舆情情感分析的中证1000指数增强策略

一、研究背景

金融论坛中的股民情绪信息蕴含丰富信号，对股价有潜在影响。本报告通过情感分析挖掘这些信息，构建多维度舆情选股因子，应用于中证1000指数增强策略。

二、方法概述

1. 数据来源
   使用子长科技提供的中证1000成分股金融论坛主帖数据（超过5000万条），结合大语言模型（ChatGPT-4、FinGPT）标注，构建情感分析模型。
2. 情感分析模型
   结合BERT（Transformer架构）提取语义信息和TextCNN（局部特征捕获）构建BERT-TextCNN模型，样本外准确率85.52%。
3. 因子构建
   基于主帖情感分类结果，构建5个因子：情绪一致性、关注度、波动性、整体情绪及周内情绪极值。

三、因子构建与选股逻辑

• 情绪一致性
  积极/消极比例因子：积极占比高时，未来股价表现欠佳（IC均值-22.4%）。
• 关注度
  利用积极/消极帖数量衡量，关注度因子IC均值-59.4%，高关注度股票未来表现较差。
• 波动性与整体情绪
  注及方差因子负相关（IC均值-65.5%）；整体情绪因子正相关（IC均值38.9%），积极情绪提升收益。

四、策略表现

通过合成因子回测（2018-2023）：

• 绝对收益：1085%年化收益率
• 超额收益：1395%年化超额（Info Ratio 1.56）
• 风险控制：夏普比率4.07，年化最大回撤9.02%

五、结果讨论与创新点

1. 舆情因子与传统因子相关性低（≤0.3），对选股有补充作用。
2. 利用大语言模型降低标注成本，提升分析效率。
3. 多维度因子合成提升预测能力，IC达61.3%。

六、风险提示

• 方法依赖历史数据，市场变化可能引发模型失效。
• 大语言模型情感分析存在随机性风险。
• 回测结果依赖特定策略设置，基准选择敏感性较高。