基于自然语言处理的情感分析在量化投资中的应用.docxVIP

基于自然语言处理的情感分析在量化投资中的应用

一、引言

量化投资进入国内市场以来，经历了从早期统计套利、基本面量化到当前智能量化的多个发展阶段，传统依托量价、财报等结构化数据构建的多因子模型，随着参与者不断增多，正面临因子拥挤度上升、超额收益持续回落的现实问题。相关行业统计显示，近年国内市场主流量化中性策略的平均超额收益较五年前回落近四成，策略同质化引发的交易踩踏、收益波动加大等问题逐渐凸显，如何挖掘新的低相关性定价因子，拓展信息来源的广度与深度，成为量化投资领域共同探索的方向（丁鹏，2022）。

资本市场本质上是信息驱动的市场，传统有效市场假说框架下的理性人假设与现实交易场景存在明显偏差，行为金融研究早已证实，投资者的情绪偏差、预期异质性是影响资产价格短期波动、甚至形成中长期定价偏差的重要因素。而市场中超过八成的信息是以非结构化文本形式存在的，小到普通投资者的一句投资讨论，大到上市公司的年度报告、监管部门的政策文件，这些文本中承载的情绪、观点、预期，是传统量价、财报类结构化数据无法完全覆盖的信息增量（张成思等，2021）。自然语言处理领域的情感分析技术，作为专门从文本中识别、提取、量化主观情感倾向与观点强度的技术方向，经过多年迭代，尤其是金融领域垂直适配能力的提升，已经能够高效准确地解析海量金融文本中的情绪信号，为量化投资打通非结构化数据的价值链路提供了可行路径。本文将从二者融合