Alpha掘金系列之八：沪深300另类舆情增强因子，FinGPT对金融论坛数据情感的精准识别-20231016-国金证券-22页_2mb

金融论坛数据情感分析与沪深300另类舆情增强因子总结

核心内容

本报告探讨了利用大语言模型进行金融论坛评论情感分析的方法，并展示了其在量化策略中的应用效果。FinGPT作为一款专注于金融领域的开源模型，在情感分析任务上表现优异，能够有效识别和量化金融论坛评论中的情感倾向。

主要观点

• 情感分析的重要性：金融论坛评论中的情绪能够反映投资者的集体心态，从而影响股票价格。
• FinGPT的优势：基于中文能力较强的ChatGLM-6B进行LoRA微调，FinGPT在情感打分任务上表现出色，适合金融论坛评论数据。
• 数据特征：金融论坛评论数据具有多样性、高度情绪化和低信噪比，但能够更准确地反映投资者对股票的情感看法。
• 情绪打分体系：构建了包含情感表达、情感分歧与情感变化的体系，其中乐观情感和因子表现最佳。
• 策略表现：基于乐观情感和因子构建的策略在2018年1月至2023年6月期间，年化收益率为6.69%，夏普比率为0.32，超额年化收益率为8.02%，信息比率为1.58。

关键信息

金融论坛评论数据

• 子长科技提供金融论坛评论数据，涵盖超过1300万条主帖和480万条评论。
• 主帖与评论在情感表达上存在差异，评论更偏向情感表达。
• 评论数据情感分布：53%中性，35%乐观，12%悲观。

FinGPT的构建与应用

• FinGPT是基于ChatGLM-6B的LoRA微调模型，专注于金融领域的自然语言处理任务。
• FinGPT在多个情感分析数据集上表现优异，优于其他模型。

情绪打分体系

• 情感表达、情感分歧与情感变化是情感打分体系的三个维度。
• 乐观情感和因子表现最佳，IC值达到3.65%，t统计量为2.58，结果显著。

舆情增强策略

• 策略构建：选择因子排名前20%的股票等权组合。
• 策略表现：年化收益率6.69%，夏普比率0.32，超额年化收益率8.02%，信息比率1.58。
• 策略具有稳健表现，超额最大回撤仅为6.94%。

因子相关性

• 舆情情感因子与基本面因子相关性低，与市值因子相关性为0.55，但为降序因子。
• 与传统因子低相关性表明其为另类有效选股指标。

风险提示

• 历史规律可能在未来失效。
• 大语言模型基于上下文预测，不能保证回答的准确性。

附录

• FinGPT推理代码样例：展示如何对金融新闻进行情感打分。
• 算力需求：微调FinGPT仅需7小时21分钟，使用8张A100显卡。
• 参数敏感性：提示词对模型输出有显著影响，需注意输入结构对结果的影响。

图表目录

• 图表1-5：展示LKM知识模型、人工智能发展周期、LLM与LKM的区别等。
• 图表6-25：涵盖金融论坛主帖与评论的区别、情感打分结果、分位数组合测试等。
• 图表26-35：展示舆情增强策略的表现、净值曲线、因子相关性等。
• 图表36-40：提供推理代码、算力需求、参数敏感性分析等。

结论

FinGPT在金融论坛评论情感分析上表现出色，构建的舆情情感因子能够有效提升选股策略的表现，具有良好的独立性和预测能力。金融论坛评论数据作为另类数据源，能够为投资组合带来额外的多样性与信息增量，有助于提高整体策略的稳定性。