人工智能 63：再探文本 FADT 选股
创建于 更新于
摘要
本报告基于FinBERT预训练模型升级分析师研报文本挖掘框架，通过对研报文本进行FinBERT隐藏层编码，替代传统词频向量，结合XGBoost模型二次训练，实现文本因子收益显著提升。新因子forecast_adj_txt_bert多头年化收益较旧版上升近5个百分点，回测期2009年至2022年表现稳健。并针对文本截断与分段、FinBERT微调、编码层次、因子融合及单纯FinBERT微调等多维度进行了系统扩展测试，均显示模型升级效果稳健非偶然。不同业绩及评级调整场景下升级文本因子均见提升。报告展现了三种基于该因子的主动量化组合构建案例，其中不等权组合年化收益45.90%，相对中证500超额36.35%。此外因子与传统多因子及Barra风格因子相关性较低，具有alpha特异性，覆盖沪深300和中证500标的股票，具备较强实用价值和拓展潜力 [page::0][page::2][page::4][page::17][page::21][page::26][page::29][page::37]
