金融論壇文本分析：情感與主題分類選股因子挖掘

金融論壇文本分析的挑戰與框架創新

金融論壇文本具有內容雜、質量低、文本短、數量大的顯著特征。傳統的情感分析方法往往將文本簡單劃分為“正面”或“負面”，導致大量關于基本面、技術面或政策的具體信息被稀釋，造成信息損失。同時，直接使用大語言模型進行情感分析面臨高昂的算力成本和時間成本，且方法同質化嚴重。針對上述困境，研究提出了一種綜合情感分類與主題分類的輿情選股框架，旨在從“投資者情緒如何”轉向“投資者在討論什么內容”，通過多維度的文本處理擴充選股因子庫。

該框架利用子長科技提供的股吧金融論壇文本數據，覆蓋滬深300、中證500及中證1000成分股。數據預處理階段剔除了轉發、董秘回復等非原創干擾信息，并針對短文本特性進行了清洗。研究核心在于構建兩類因子：一是基于情感分類的統計因子，二是基于主題分類的內容因子，兩者結合以捕捉更豐富的投資者行為特征。

情感分類因子挖掘與市值效應

在情感分類方面，研究采用專為金融文本優化的FinBERT2模型進行二分類，識別正面與負面帖子。基于分類結果，構建了包括帖子數量、占比、變動比例及動量在內的多維度周頻因子。實證測試顯示，情感因子在不同市值股票池中表現存在顯著差異。隨著股票池市值的下降，因子有效性呈現提升趨勢。

在滬深300股票池中，情感因子整體有效性有限，僅篩選出少量如正面情緒加速度等因子，且IC均值多為負值，暗示情緒反轉特征。而在中證500和中證1000股票池中，有效因子數量明顯增加，IC表現增強。測試結果表明，當周度正面帖子數量增加或正面情緒持續增強時，未來一周股價表現往往相對偏弱，呈現出明顯的“情緒反轉”效應。此外，因子表現具有非對稱性，高熱度股票（Bottom組合）的負超額收益顯著，表明高情緒熱度往往對應后續收益的回落。

主題分類因子的創新應用

為突破傳統情感分析的局限，研究引入BERTopic模型結合大語言模型（LLM）進行主題分類。該流程通過文檔嵌入、降維、聚類及LLM歸納，將論壇文本劃分為基本面、技術面、情緒表達、行業政策及無關內容等類別。這種“先聚類，后表征”的方法有效解決了短文本主題識別難的問題，并能自動確定主題數量。

主題分類因子的測試結果呈現出與情感因子不同的規律。在滬深300股票池中，主題分類因子整體無效。但在中證500和中證1000股票池中，部分主題因子顯示出預測能力。具體而言，技術面占比和情緒發泄占比因子的IC為負，表明當論壇中技術分析或情緒宣泄類討論占比高時，未來收益偏弱，這反映了噪音交易者主導程度的增加帶來的風險。相反，基本面占比因子的IC為正，說明關于公司經營、業績等理性討論占比提升時，未來收益相對更優，體現了知情交易者的信號作用。

多因子合成與策略構建

研究進一步對情感分類因子與主題分類因子進行合成與相關性分析。結果顯示，兩類因子相關性較低，但情感分類因子與風格因子中的技術類因子存在一定相關性。在策略構建中，考慮到情感分類因子尾部負超額顯著，策略選擇剔除尾部負超額明顯的股票，而非構建少數股票的增強組合，以降低交易成本并提高穩定性。

合成后的輿情選股策略在三個股票池中均實現了年化超額收益。在滬深300、中證500和中證1000股票池中，策略分別獲得了穩定的超額回報，且信息比率隨市值減小而提升。特別是在中證1000股票池中，策略表現最為優異。此外，研究還發現，在熱門股池中，噪音交易者主導程度高的股票未來表現較差；而在冷門股池中，此類股票未來表現相對較好。這一發現為識別股票短期見頂信號提供了新的視角，即噪音交易者主導的熱門股組合可作為風險監控池，提示投資者規避過熱風險。