大语言模型的情感分析情感
　　情感分析是自然语言处理（NLP）的一个重要分支，在金融领域，情感分析在金融论坛评论上的分析有重要应用，因为金融论坛的情绪很大程度上反映了投资者的集体心态，投资者的心态、预期和信心可以对股票价格产生重大影响。
　　金融论坛评论的数据特征
　　本报告采用子长科技提供的金融论坛股民情绪数据。子长科技基于公开社交媒体信息，包括股民及股市大V的各类言论，结合公司，行业，产品，相关技术等数据，运用AI知识模型LKM，准确将股民情绪关联及定位到相关股票。并根据情绪表达，产生实时的量化情绪分数及统计信息。
　　2018年1月1日至2023年6月30日，子长科技跟踪的金融论坛一共有超过1300万条主帖数据和超过480万条评论数据，每周平均可对应沪深300中超过260只股票。金融论坛数据有多样性和高度情绪化、信噪比低、随事件波动和受到特定类型评论影响等特征。主帖数据与评论数据在情感表达方面有明显区别。
　　开源模型FinGPT落地
　　在定位到相关股票的金融论坛数据之上本篇报告通过FinGPT其进行了情感分析，通过验证论坛情感与股票价格之间的关系探索了大语言模型模情感分析在量化策略上的直接应用。
　　FinGPT是由AI4Finance-Foundation开发的一个开源项目，专注于金融领域的大型语言模型，其“V3.1”版本是在中文能力较强的ChatGLM-6B基础上进行LoRA微调训练而来，FinGPT在情感打分任务上相比ChatGLM-6B又有进一步的提升。FinGPT优秀的中文能力和情感分析能力都很适合在金融论坛评论之上进行应用。
　　情绪打分体系构建
　　情感打分体系主要包含三个方面，情感表达、情感分歧与情感变化。利用大语言模型进行情感分析，我们能准确地识别和量化每一条评论中的正面、负面或中立情感，为每位投资者的发言赋予一个情感得分。
　　从打分体系的因子测试结果看，投资者对某只股票情感越乐观情况下，该只股票更有可能获得超额收益。其中乐观情感和因子单因子IC达到3.68%，分位数组合单调性良好，多空组合年化收益率为12.71%，多空净值增加平稳，是有效评价情感与选股的指标。
　　大模型舆情情感因子与基本面因子相关性低，而情感和因子与市值相关性为0.55但是区别于市值因子其为降序因子，能够证明金融论坛评论情感分析是独立于基本面的另类有效选股指标。
　　大模型金融论坛舆情增强策略
　　我们以乐观情感总和因子构建大模型金融论坛舆情增强策略。每一期选择因子排名最靠前的20%的股票等权构造策略组合。策略为月频调仓，在千分之三的手续费下策略年化收益率为6.69%，夏普比率为0.32，策略的超额年化收益率为8.02%，信息比率为1.58，策略的超额最大回撤仅为6.94%。金融论坛评论确实带来了额外增量信息。
　　风险提示
　　以上结果通过历史数据统计、建模和测算完成，历史规律未来可能存在失效；大语言模型基于上下文预测进行回答，不能保证回答准确性。