本报告基于新闻文本及大语言模型情绪识别,构建多因子选股策略,重点开发了基于新闻发布后市场反馈的news_reaction因子和基于市场关注度的“凸显效应”因子,回测显示两者均具有良好的稳定性和超额收益表现,凸显了有限注意力机制在市场中的重要作用,且“凸显效应”剥离风格后信息比率高达3.76。此外,基于热度异常波动与股价涨跌方向不一致构造的“热度异常”因子同样表现良好,为多因子选股提供了有效补充。
报告核心论点:
当前,基于新闻数据构建有效选股因子面临大量挑战,主要包括数据量巨大且噪声多、新闻情绪识别准确性不足、市场对新闻定价存在滞后和不充分等问题。本报告通过引入智普 GLM4 大语言模型改进新闻情绪打分,结合新闻发布时间点市场反应、有限注意力理论及热度异常变化等,构建“glm4_news_emo”、“news_reaction”、“凸显效应”和“热度异常”等多个因子,并通过系统回测,验证其在A股市场的稳定性与投资价值。报告显示,这些策略因子具有较好预测效力,能够辅助投资决策,尤其是“凸显效应”因子表现出36%以上的年化多空收益率,且剥离风格后更表现突出。
总体评级未明确给出,但基于因子表现,作者暗示这些因子值得关注和应用。,1]
引言部分指出,投资者长期尝试利用新闻数据因子,但受制于如下难点:
作者强调未来研究需要综合解决上述问题,强化新闻因子的预测能力。
新闻数据来源及处理:
以数库科技提供的数据为基础,涵盖新浪、腾讯、东方财富、同花顺等主流门户和财经网站。新闻包含股票代码、发布时间、新闻文本、相关度、情绪打分等字段,以支撑情绪分析。图表2与3显示新闻数量从2014年以来稳步增长,最新月度新闻量超过50万条,数据规模庞大,且质量通过高阶清洗和分类算法保障。
初步情绪因子构建:
以情绪字段 emotiondetail 计算简单情绪因子,将正向概率赋值+1,负向-1,中性0,按7天内相关度大于0.3新闻情绪均值合成。图表4显示初步因子的十分组超额收益表现不佳,单调性不明显。图表5与6所示,信息系数(IC)波动大,整体表现处于弱正或负相关,难以稳定预测未来收益。
此初步结果反映情绪打分稳定性和准确性不足,噪声干扰依旧显著,需改进情绪识别方法。,5]
情绪识别升级:
探索采用智普 GLM4 大语言模型进行新闻文本情绪打分。GLM-4拥有超长上下文窗口(128K tokens),能够处理300页以上文本且召回率接近100%,在多项NLP benchmark接近或达到GPT-4水平。
回测表现:
从2018年至2020年5月周频调仓回测,glm4_news_emo因子表现明显优于原始情绪因子,图表7显示年化多空收益15.5%,信息系数均值1.2%,ICIR 1.3,信息比率0.95,且单调性良好、无明显回撤。图表10中其IC累积曲线也持续领先scope_news_emo因子。
合理性验证:
通过人工核查图表11,发现大语言模型GLM4评分整体更合理,能够更准确识别新闻情绪。
但报告谨慎指出,回测期市场动量或某些外部因素可能对表现有贡献,不宜过度自信其预测的绝对稳定性。大语言模型提升了情绪评分准确性,增强因子预测力,是有效策略的基础。,6,7]
背景与逻辑:
普通情绪因子未能完全捕捉有效信号,作者转向考察新闻发布后市场短期价格反应。构建统计新闻发布后第一个交易日开盘15分钟内的收益率平均值和波动,反映市场即时对新闻的反应情绪,称为news_reaction_mean和news_reaction_std。
发现及处理:
通过图表14、15发现股价在新闻发布后表现极端的股票(涨幅或跌幅较大)未来表现往往转弱,存在“利空出尽、利好兑现即下跌”现象。对news_reaction_mean因子做截面均值距离化处理,将两极纳入空头,生成news_reaction因子,体现市场对极端关注信息的后续修正。
回测结果:
news_reaction因子表现显著(图16至19),周IC均值-2.04%,年化ICIR-2.68,IC胜率63%,多空年化收益20.78%,信息比率2.14,最大回撤-7.03%,表现稳健且和大类风格相关性低(图20)。新闻发布时间点市场反应对预测未来收益极具价值。
波动率因子:
观察15分钟收益波动率构建news_reaction_std因子,反映市场分歧度。图22-25显示该因子收益也显著,其中空头表现突出,多头不明显,波动率高代表信息解读分歧大,后期收益为负。该因子同样剥离风格后表现稳定,显示新闻发布时间点的波动作为非线性因子存在潜力。
综上,新闻后市场反应因子在预测能力和风险控制上均表现优异,体现发布时点对价格走势的关键影响。,9,10,11,12]
理论基础:
市场存在有限注意力,投资者聚焦于极端利好或极端利空信息,导致极端利好被过度追捧但后续往往表现弱化,利空则可能持续。热点股票因关注度骤升,反而往往表现不佳。
数据选用及因子构建:
基于同花顺Ifind提供的15分钟频率股票热度数据(结合新闻、论坛讨论等多元信息),等权合成至日频,反向构建“凸显效应”因子,低热度股票多头,高热度股票纳入空头,挖掘被低关注度掩盖的潜在价值。该因子代表投资者注意力热度的逆向指标。
回测表现及风格剥离:
图26-28显示该因子年化多空收益高达33.02%,信息比率3.19,周IC均值-3.13%,年化ICIR-3.32,表现稳定且显著。图29-30表明该因子与市值因子相关度25%以上,存在较强小市值偏好。
纯净因子剥离风格:
剥离市值、流动性、杠杆等常见风格因子后(图31-34),纯“凸显效应”因子仍获得26.15%年化收益,信息比率3.76,最大回撤-4.72%,稳定性更好。尤其2024年小微盘回撤期表现优异,验证因子确实捕捉了关注度对价格的独立影响。
该因子构建及回测结果印证市场有限注意力对股票表现的实际作用,具备重要选股应用价值。,13,14,15]
因子构建理念:
除整体热度水平外,热度的异常波动点也带来交易机会。方法是计算每只股票15分钟热度数据的变化差值,定义5倍标准差作为异常阈值,捕捉显著升幅和跌幅(图35)。
信号筛选:
进一步筛选价格涨跌方向与热度变化方向不一致的时刻,提取这类时段的价格表现,利用一周回溯进行加权平均,形成“热度异常”因子。
表现与风格相关性:
图36-38显示该因子多空年化收益10.89%,信息比率1.37,周IC 1.37%,ICIR 1.97,具有一定动量特征但非线性。图39与40显示该因子与市场主要风格因子相关度较低,特异性强,能为多因子模型带来增量收益。
该因子体现了利用市场短时关注度波动变化点捕捉潜在价格动量,有助于补充传统情绪因子不足之处。,16,17]
数据量和来源的庞大与多样为后续因子构建提供了坚实基础。
整体表明大型语言模型显著改善情绪因子质量,突破传统打分受限瓶颈。,6,7]
此因子族有效挖掘了新闻发布时间点市场反应信息,提升了新闻质效筛选能力。,10,11,12]
验证了有限注意力导致的投资者过度关注热点股票,从中反向优化选股策略的可行性。
体现了细粒度热度异常变化是有效的动量交易信号。
报告中未对具体股票或行业进行估值测算,因子构建为主,且聚焦于因子表现的统计回测。因而无DCF、市盈率等估值模型输入、假设与目标价分析。
报告在风险提示中明确:
无专门风险缓解策略,提示投资者关注模型稳定性及动态调整的重要性。,18]
总体而言,报告较为严谨,合规声明完整,限制了主观色彩和市场盲目乐观。
本报告系统研究了新闻中的有限注意力机制,对多种基于新闻情绪及市场反应的因子进行了构建和实证分析。
整体而言,该系列因子有效捕捉了新闻信息在市场传导中的非线性特征与投资者行为偏差,系市场行为金融学在量化选股应用的成功实践。报告展现了从原始数据、情绪识别到市场行为量化实现的闭环,实证验证了有限注意力和凸显效应的投资意义,为策略研发提供了强有力的理论及数据支撑。
图片溯源示例:
本报告结合现代大语言模型与行为金融理论,创新性地利用多源新闻数据及市场反应特征,构建了一组有效因子,并通过详尽回测验证因子表现及适用性。该研究充分展现了外部信息及投资者有限注意力对价格形成的深刻影响,具较高的学术与实务参考价值,同时提示投资者关注数据质量、模型稳健性及因子异时异效风险。
,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
多因子选股系列研究之十七:新闻中的有限注意力和“凸显效应”因子构建.pdf