• 基于BERT的情感因子构建流程[page::3]：

- 下载预训练中文BERT模型，使用Wind标注金融舆情文本微调。
- 用微调模型对分析师研报摘要文本预测情感，构建选股因子。

• BERT模型性能及预测结果[page::4][page::6][page::7]：

- 采用RoBERTa-tiny-clue模型提升训练效率，测试集准确率0.9833，AUC 0.9762。
- BERT模型对研报中正面和负面文本可解释性分析表明模型理解合理。

• 研报情感因子构建及调整[page::7][page::8]:

- 情感得分基于BERT对文本正向概率-0.5，90天滚动窗口加权求和构造senti因子。
- 负面样本权重放大3倍形成调整因子sentiadj，更突出负面情绪信息。
- 还构建reportscore（研报评分）和reportnum（研报数量）作为对比因子。

• 研报情感因子覆盖度和行业差异[page::9][page::10][page::11]：

- 沪深300覆盖度最高，行业覆盖均衡，食品饮料、电子、通信行业情感因子数值较高。
- sentiadj因子与其他因子相关性较低，体现了结构化因子外的增量信息。

• 因子测试方法与实证结果[page::11][page::12][page::13][page::14][page::15][page::16]:

- 多种因子效力测试：回归法、IC值法、分层回测测试均表明sentiadj因子稳定有效。
- 分层测试沪深300、中证500、全A股表现一致，Top组显著超越Bottom组。





- 残差因子回测中sentiadjres普遍优于sentires，强化了调整因子的增量价值。
- 行业内选股显示senti和senti_adj因子均具有较好的选股能力。

• 基于senti因子的TOP80组合表现[page::18]:

- 样本为中证800成分股，2011至2020年回测，月度调仓。

- TOP80组合年化收益14.9%，2019年和2020年绝对收益分别达到51.61%和69.69%。

• 风险提示与未来展望[page::0][page::19]:

- 历史测试结果不代表未来表现，金融新闻与研报语义假设尚待验证。
- 未来可探讨领域适应与行业定制化NLP模型提升情感因子效果。

金工研究报告《基于 BERT 的分析师研报情感因子》详尽分析报告

---

1. 元数据与概览

• 报告标题： 基于 BERT 的分析师研报情感因子（华泰人工智能系列第四十一篇）

- 作者及联系方式： 林晓明、李子钰、何康、王晨宇，均为华泰证券研究员，附带具体联系方式。

• 发布日期： 2021年1月18日

- 发布机构： 华泰证券股份有限公司研究所

• 主题： 以金融领域的自然语言处理（NLP）技术——基于当前领先模型BERT，构建分析师研报的情感因子，挖掘研报中隐含的选股Alpha信息，并对该因子进行系统测试和投资组合回测。

- 核心论点：
- 介绍了基于BERT的分析师研报情感因子的构建过程和方法；
- 构建了两个主要情感因子：senti和其调整版sentiadj，证明sentiadj在增量信息提取上比传统因子有更好表现；
- 基于情感因子构建的TOP80选股组合，表现显著优于市场基准，2019年和2020年获得超50%的绝对收益；
- 报告提醒情感因子的表现基于历史回测，未来可能面临失效风险，且模型假设金融新闻与研报语义结构相近存不确定性。[page::0]

---

2. 逐节深度解读

2.1 基于 BERT 的文本因子构建流程（第3页）

• 关键论点：

- 研报利用无监督微调BERT模型，先用有标注的金融新闻文本对BERT模型进行微调；
- 再用该模型对无标注的分析师研报摘要文本进行情感预测；
- 将预测出的情感分数结合传统线性加权、滚动窗口等方法构建研报情感因子作为选股因子。

• 推理依据： 利用金融新闻已有情感标签微调模型，期望模型能迁移到相似语料（研报摘要）上；

- 流程覆盖预训练、微调、预测与因子构建4步骤，形成完整闭环。

• 图表1可视化了流程：从下载预训练中文BERT开始，经过微调，再到无标注文本预测，最后构建选股因子。[page::3]

2.2 金融文本情感分类模型训练（第4-5页）

• 论点：

- 选用RoBERTa-tiny-clue模型简化网络结构，较BERT-base速度更快且保留效果；
- 用Wind金融新闻数据训练（2017-01至2020-09），样本86503条训练集，43252验证，43251测试。
- 训练时将新闻标题作为文本，剔除行情类、价格类词汇，数据均衡正负样本，模型准确率0.9833，AUC 0.9762。

• 推理依据： 标题保留有效信息，剔除行情影响关键词，平衡数据减少标签偏差；

- 模型参数详见图表4，保证训练过程科学严谨。

• 模型高准确率和AUC显示对金融文本情感预测有效。

- 图表3展示了部分新闻新闻样本，图表4展示了训练参数配置。[page::4][page::5]

2.3 使用微调BERT预测分析师研报情感并构建因子（第6-8页）

• 论点： 重点研究分析师研报摘要的情感，比正文更凝练，聚焦每句文本情感预测。

- 数据预处理流程： 筛选A股研报摘要，删除转义字符和风险提示后的无关内容，按句号分割成句子，剔除无实际意义的句子。

• BERT模型通过Salience Maps工具解释预测结果，显示模型关注“上升”、“向好”等关键词判断正面，“透支”、“不容乐观”等负面特征合理，模型预测与人类判断接近。

- 构建情感因子步骤：
1. 将模型输出的正面概率减0.5，令中性接近0；
2. 取入库日（交易日）往前90天的研报；
3. 计算每日单股情感均分，若无研报则为空；
4. 线性衰减加权求和，越近日期权重越大，产出每日情感因子senti。

• 调整sentiadj因子： 由于模型正面样本约为负面样本3倍，赋予负面三倍权重以突出负面力量。

- 同时构建了研报评分因子reportscore和研报数量reportnum作比较，以验证增量信息。[page::6][page::7][page::8]

2.4 因子测试框架及覆盖度（第9-10页）

• 测试方法：

- 覆盖度检验因子在不同股票池（沪深300、中证500、全A股）和行业中的表现。
- 图表13显示沪深300覆盖度最高，约90%以上覆盖，提示因子较为可靠。
- 图表14表明多个行业覆盖度稳定，说明接入文本充足。

• 行业差异： 2020年底，食品饮料、电子、通信行业senti和sentiadj因子值最高，市场情绪偏乐观。[page::9][page::10]

2.5 相关性分析与测试方法（第11-13页）

• 情感因子与传统因子高度相关，尤其senti与reportscore、reportnum；而sentiadj相关性较低，突出增量价值。

- 常用单因子测试方法详述，包括：
- 回归法： 对因子暴露度与未来收益做多因子回归（行业、市值中性化），估计因子收益及稳定性；
- IC值分析法： 计算因子暴露度与未来收益相关性，IC均值衡量因子预测性，ICIR衡量有效性；
- 分层回测法： 以因子分层构建多空组合验证收益表现，直接反映因子选股能力。

• 数据处理细节（去极值、中性化、加权）保证模型稳健。

- 图表12深刻展示测试框架。[page::11][page::12][page::13]

2.6 研报情感因子测试结果分析（第13-16页）

• 回归法与IC分析：

- senti因子在各股票池表现最好，残差因子sentires效果差，显示信息被传统因子解释；
- sentiadj及残差因子表现优于sentires，更能体现情感因子增量信息。

• 分层测试：

- 多个股票池均显示Top1层组合净值持续优于底层，且多头年化超额收益明显；
- 整体与前述回归、IC分析结论一致，sentiadj分层收益稳定更优。

• 回测图表（19-28页）清晰展示不同因子分层及残差因子组合表现，彰显sentiadjRES的优越性。[page::13][page::14][page::15][page::16]

2.7 行业内选股表现（第16-17页）

• senti和sentiadj在绝大多数行业内均显示选股能力，回测带来正面超额收益；

- 综合行业及综合金融因子因覆盖度低未纳入测试。[page::16][page::17]

2.8 基于研报情感因子的TOP80选股组合回测（第18页）

• 样本空间：中证800成分股

- 回测区间：2011-01-31至2020-12-31

• 调仓频率：月频，选取senti排名最高前80股票，按流通市值加权。

- 交易成本设定为双边千分之四。

• 绩效表现极佳：年化收益率14.90%，2019年和2020年分别实现绝对收益51.61%和69.69%，显著跑赢市场。

- 图表31-33展现净值曲线、绩效指标及分年收益，均体现强势趋势。[page::18]

---

3. 图表深度解读

• 图表1（第3页）： 完整展示了文本因子的构建流程，从BERT预训练、金融舆情微调、无标注研报摘要情感预测到选股因子构建，逻辑清晰，体现AI模型在金融数据中的实际应用。

- 图表3（第4页）： 通过Wind金融新闻样本体现训练文本的真实度和专业度，保证情感标注的准确性。

• 图表4（第5页）： 详细列明模型训练参数，如batch size、学习率等，支持高准确率。

- 图表5-9（第6-7页）： 通过Salience Maps对正负面文本词语重要性的可视化，直观阐释BERT情感判别依据，提升信赖感。

• 图表10（第8页）： 清楚明了地展示了情感因子线性衰减加权计算，强化了因子构建的时序及权重逻辑。

- 图表13-14（第9-10页）： 从覆盖率角度展现因子广泛应用于市面主流股票及主要行业，便利读者评估因子的适用范围。

• 图表15-16（第10-11页）： 不同行业情感因子数值差异，体现了情绪的行业分布特征，有助投资者关注行业热点。

- 图表17（第11页）： 关联性矩阵强调sentiadj因子相较其他因子信息差异，显示其独立价值。

• 图表18（第14页）： 回归和IC值分析结果的一览表，量化评估了各因子的预测有效性。

- 图表19-28（第14-16页）： 系统展示因子分层回测和残差因子表现，能够一目了然地见证情感因子的市场表现和其超额收益能力。

• 图表29-30（第16-17页）： 展示行业内部选股回测效果，验证情感因子具备行业内部精选潜力。

- 图表31-33（第18页）： TOP80组合净值增长及年度收益展示，凸显情感因子在实操层面的可行性及优越表现。

• 附录图表34-35（第20页）： 传统因子测试数据对比，辅助读者理解情感因子的竞争优势与互补性。

综合来看，所有图表均紧密配合文字内容，层层递进，深入阐明研究逻辑与因子实操表现。[page::3-20]

---

4. 估值分析

报告核心关注基于文本情感预测的“情感因子”的构建与验证，未涉及公司传统财务估值模型。文中并不包含DCF、市盈率等公司估值方法论。相反，核心估值“收益”是基于因子投资组合实证的超额收益和绝对收益回测，属于因子投资验证模型。其“估值”解释体现在：

• 历史回测区间（2010年至2020年）；

- 多指数股票池（沪深300、中证500、全A、及中证800）；

• 组合年化收益率及夏普比率指标；

- 单因子、残差因子超额收益显著。

这种以多重统计检验（回归、IC、分层测试）结合实证回测的方式，属于量化因子研究的“估值”范式，充分证明了情感因子的有效性与市场价值。[page::11-18]

---

5. 风险因素评估

• 情感因子表现依赖历史数据，存在失效风险。模型虽然在2019-2020表现优秀，但未来市场变化可能使得文本情感与股价表现脱钩。[page::0][page::19]

- 模型假设金融新闻与分析师研报文本语义相似性，未充分验证该假设适用性。未来若迁移学习失败，情感预测精度将下降。[page::0][page::19]

• 使用模型可解释性工具LIT存在过度简化风险。其解释结果可能不能完全反映模型复杂内部机制，存在认知偏差。[page::0][page::19]

- 交易成本和流动性风险未过多展开，实际投资中可能削弱超额收益。仅设双边千分之四，可能低估了实际市场摩擦。[page::18]

• 行业覆盖度限制，部分行业因子有效性较弱。综合行业与金融行业覆盖较低无法测试，这限制了该因子的通用性。[page::16]

报告未详述缓解策略，对风险保持谨慎提示，但未来研究指明可改进迁移学习、单行业模型细分等方向，有望缓解上述风险。[page::19]

---

6. 批判性视角与细微差别

• 样本偏差： 采样仅以Wind金融舆情为出口和微调，对异质文本结构或非结构化信息处理能力有限，可能影响泛化。

- 情感过度简化： 负面样本加权3倍未必是最优调整方式，可能过度强调负面情绪，忽略复杂市场情绪多样。

• 因子信息重合度高： senti与传统reportscore、reportnum高度相关，说明部分情报重复，需谨慎评估其纯增量价值。

- 缺少对实盘适应性讨论： 虽有回测，但未详细探讨因子交易滑点、执行难度、持仓周期对收益的潜在影响。

• 内部假设缺乏证据支持： 对研报摘要情感与未来收益关系的因果链未有明确理论阐释，有待深入学理探讨。

- 模型可解释性工具限制： 虽用LIT说明合理性，但机器学习解释性仍存争议，不能完全保证因子信度。

• 部分图表（尤其20页后）未完全解析，限制全貌掌控。

总体上，报告科学严谨，但需持续优化模型假设验证和市场适用性，避免盲目乐观。

---

7. 结论性综合

本文系统阐述了基于NLP领域顶尖模型BERT，构建中国A股分析师研报情感因子的创新流程。通过使用Wind标注金融舆情数据对BERT微调，再用模型对无标签研报摘要每句情感打分，结合90天滚动线性衰减加权设计情感因子senti与sentiadj。

两因子均表现出高度统计显著性和稳定的收益预测能力，其中通过负面权重调整后的sentiadj在剔除传统研报评分及数量因子信息后仍保有较强增量信号，表明其有效地提炼了研报信息的情绪特征增量。

丰富的统计测试（回归法、IC值分析、分层回测）分别在沪深300、中证500及全A等多个股票池证明了其广泛适用性和稳健性。基于senti构建的TOP80月度调仓选股组合连续十年回测产出年化14.9%收益，显著跑赢市场，尤其2019至2020两年分别实现绝对收益超50%，展现极强选股潜力。

行业层面，情感因子在食品饮料、电子、通信等行业表现偏乐观，能反映市场热点情绪，具备行业内部选股能力。可解释性工具Salience Maps清晰揭示BERT判别依据的合理性，大幅提升因子的解释力度和投资者信心。

尽管如此，报告也审慎指出模型假设（金融新闻与研报语义结构相近）及模型可解释性存在潜在局限，历史回测的成功并不保证未来表现不变，投资者需充分意识可能风险。

未来方向包括深入验证语义迁移假说，开发行业专项情感模型，以及提高实盘执行的考虑，进一步提升因子挖掘深度和广度。

总之，报告以扎实的机器学习方法论和严谨的金融量化测试证明，研报文本中的情感信息是一条可被提取并用于超额收益的有效Alpha因子，为量化投资领域引入了人工智能技术的新突破。

---

主要引用页码： [page::0,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]

---

附：关键图示样例（Markdown格式）

图表1：基于 BERT 的文本因子构建流程


图表5：BERT模型预测结果示例


图表20：senti因子分层测试净值曲线（沪深300）


图表31：研报情感因子TOP80组合回测净值


---

本次分析详尽解构了报告的理论、方法、实证与风险，涵盖了文本挖掘、机器学习训练、因子构建与回测等金融量化研究各环节，做到全面且细致，助力投资者深刻理解基于人工智能情感分析的选股新路径。

报告