基于蒸馏大模型的金融文本信息挖掘应用探索

创建于 2025-07-16T22:57:34.546083+08:00 更新于 2025-07-16T23:34:45.456565+08:00

摘要

本报告系统性介绍了基于国内百度文心ERNIE 3.0 Tiny蒸馏大模型的金融文本信息挖掘技术与应用，涵盖财经新闻、分析师研报、公司公告三类文本数据，通过语义理解能力微调模型，构建关注度、情绪及分歧指标，应用于市场动态监测和选股策略。基于文本情绪指标的月度Top50选股策略在2018-01至2023-03回测中实现了24.2%的年化超额收益，显著优于传统分析师评级策略，表明文本挖掘能够提供重要的增量Alpha。此外，行业情绪指标与股价表现高度相关，分歧指标与股票振幅相关系数达0.62，具备一定预警能力[page::0][page::16][page::20][page::25].

速读内容

深度阅读