金融论坛文本分析的挑战与新方案

金融论坛文本分析面临内容杂、质量低、文本短、数量多四大挑战，传统情感分析方法存在信息损失、方法单一等问题。研报提出基于情感识别+主题分类的舆情选股策略框架，分别从情感分类和主题分类两个方向进行文本处理和选股因子挖掘。

数据与预处理：数据来源于子长科技，涵盖沪深300、中证500、中证1000三个股票池的金融论坛主帖，样本特征为字数少（平均50-60字）、短帖占比高（超过80%）、数量庞大（中证1000超过1亿条）。

情感分类与因子挖掘：使用FinBERT2模型进行情感二分类，并根据股票归属关系计算统计量构建选股因子。测试结果显示，随着市值的下降，因子有效性提升。中证1000股票池中筛选出的有效因子包括周度正面帖子数量、正面帖子占比180日动量等，均呈现负向IC，表明高正面情绪对应后续收益回落，存在情绪反转特征。

BERTopic+LLM主题分类：创新结合大模型与BERTopic模型进行主题分类，将文本划分为基本面、技术面、情绪表达、行业政策、无关内容等类别。测试发现，主题分类系列因子在中证500、中证1000股票池中有效，但沪深300股票池无效。基本面占比因子IC为正，技术面/情绪面主题占比因子IC为负。

因子合成、相关性分析与策略构建：情感分类因子与主题分类因子相关性低，但情感因子与风格因子中的技术类因子相关性较高。策略构建时剔除尾部负超额明显的股票，最终在沪深300、中证500、中证1000中的年化超额收益率分别为5.25%、6.79%、8.69%，信息比率分别为1.12、1.53、1.78。

情感+主题多组合：主题分类合成因子作为股票被噪音交易者主导程度高低的度量指标。研究发现，在热门股中，噪音交易者占比高的股票未来表现可能相对较差；在冷门股中，噪音交易者主导程度高的股票未来表现可能相对较好。噪音交易者主导的热门股组合可作为风险股票池，起到风险监控作用。

结论与展望：情感分类能提高关注度类因子的有效性，主题分类能提取更多文本信息，中小市值股票对舆情更敏感。策略构建时剔除尾部负超额明显的股票，表现更稳定。热门股票中，应警惕噪音交易者主导的股票，避免回撤风险。