基于新闻情绪的大宗商品动量策略.docxVIP

基于新闻情绪的大宗商品动量策略

一、新闻情绪分析的原理与数据来源

（一）新闻情绪量化方法的发展

新闻情绪分析起源于行为金融学领域，通过自然语言处理（NLP）技术对非结构化文本进行情感评分。早期研究如Tetlock（2007）发现，《华尔街日报》的负面词汇比例与道琼斯指数收益率呈显著负相关。2010年后，基于机器学习的情绪分类模型（如LSTM、BERT）将准确率提升至85%以上。例如，Garcia（2013）构建的新闻情绪指数对原油期货价格波动解释力达32%。

（二）大宗商品相关新闻的数据来源

大宗商品新闻数据主要来自三类渠道：一是路透社、彭博社等专业财经媒体，日均产出约5000条相关报道；二是政府机构发布的政策文件（如美国农业部报告）；三是社交媒体平台（如Twitter）的实时讨论。数据清洗需过滤噪音信息，例如剔除重复报道和非英语内容。

（三）情绪指标的构建与验证

情绪指标通常采用加权复合评分法，包括词汇频率统计（如LM词典）、主题相关度分析（如LDA模型）和市场反应校准。实证显示，铜期货对“供应链中断”类新闻的敏感性系数为0.67，显著高于黄金的0.23（Zhangetal.,2020）。

二、大宗商品动量策略的理论基础

（一）动量效应的形成机制

Jegadeesh和Titman（1993）提出的动量效应在商品市场同样成立。以CRB指数为基准，过去12个月收益率排名前20%