华泰人工智能系列之四十一：_基于BERT的分析师研报情感因子-20210118-华泰证券-24页_2mb

报告摘要

本文探讨了基于BERT模型构建分析师研报情感因子的方法，分析了其在股票市场中的表现，并通过多个测试方法验证了该因子的有效性。研究重点在于构建研报情感因子 senti 和 senti_adj，并评估其在不同股票池和行业中的表现。

基于BERT的情感因子构建
- 利用BERT模型对分析师研报进行情感分析，提取无标注文本中的Alpha信息。
- 通过Wind有情感标注的金融舆情文本对BERT模型进行微调，以提高金融文本情感分类的准确性。
- 构建了研报情感因子 senti 和调整因子 senti_adj，其中 senti_adj 更能体现研报情感因子的增量信息。
因子构建方法
- senti：基于线性衰减加权方式，对过去90天的研报情感预测进行加权求和。
- senti_adj：对负面情感文本赋予更高权重，以提高其在因子中的表现。
- 同时构建了 report_score（研报评分因子）和 report_num（研报数量因子）作为对比因子。
因子测试与表现
- senti 在多个股票池中表现最佳，但其残差因子 senti_res 表现较差，说明其信息主要被 report_score 和 report_num 所解释。
- senti_adj 及其残差因子 senti_adj_res 表现更稳定，且具有更高的增量信息价值。
- senti_adj 在沪深300、中证500、全A股中的年化超额收益率分别为 5.40%、6.26%、4.39%，在最近两年表现优异。
绝对收益组合表现
- 基于 senti 构建了TOP80选股组合，回测区间为 2011年1月31日至2020年12月31日，年化收益率为 14.90%。
- 在2019年和2020年，该组合分别获得了 51.61% 和 69.69% 的绝对收益，表现突出。

senti：将每句研报情感预测概率减去0.5，进行线性衰减加权求和。
senti_adj：对负面情感赋予更高权重，以增强其在因子中的作用。
其他因子：
- report_score：基于研报评分（如朝阳永续的Go-Goal评级）构建。
- report_num：基于过去90天研报数量构建。

回归法
- 通过线性回归分析因子与股票收益的关系，计算因子收益率及显著性（t值）。
- senti 表现最佳，但其残差因子 senti_res 表现最差，说明其信息被其他因子解释较多。
- senti_adj 及其残差因子 senti_adj_res 表现稳定，具有更好的增量信息。
IC值分析法
- 计算因子暴露度与股票收益之间的相关性，评估因子的显著性和稳定性。
- senti_adj 的RankIC值优于 senti，说明其在收益预测上更具优势。
分层回测法
- 按照因子值对股票进行分层，构建Top、Middle、Bottom组合进行回测。
- senti_adj 在多空组合中表现优于 senti，且具有更高的信息比率和胜率。

因子	沪深300	中证500	全A股	年化超额收益率
senti	0.25%	0.11%	0.10%	-
senti_adj	0.11%	0.10%	0.10%	-
senti_res	-0.02%	-0.02%	-0.02%	-
senti_adj_res	0.10%	0.10%	0.10%	-

report_score 和 report_num 因子的测试结果详见附录，但本文主要聚焦于 senti 和 senti_adj 的分析。
回测数据涵盖 2011年1月31日至2020年12月31日，使用 月频调仓，交易成本为 双边千分之四。

展开完整摘要

试读结束，高清完整版pdf/doc/ppt,请点下载