报告概述
本报告针对金融论坛文本内容杂、质量低、文本短、数量多的挑战，提出融合情感分类与主题分类的舆情选股框架。使用FinBERT2模型进行情感二分类，创新性地将BERTopic与大语言模型结合进行主题分类，将论坛讨论划分为基本面、技术面、情绪表达等主题。报告在沪深300、中证500、中证1000三个股票池中分别测试情感因子和主题因子，并构建多因子合成策略，为量化选股提供可落地的另类数据路径。
报告的核心结论
情感分类提升关注度因子有效性
对金融论坛文本进行正负面情感分类后，基于正面帖子数量及动量构建的统计型因子表现优于原始关注度因子，且IC均值为负，呈现情绪反转效应。因子非对称性明显，底部组合负超额显著，策略剔除尾部股票后更稳定。
主题分类因子提供增量信息
将论坛文本分为基本面、技术面、情绪发泄等主题后，基本面占比因子IC为正，技术面与情绪发泄占比因子IC为负。主题分类因子与情感分类因子相关性低，可互补。但观点方向（偏多/偏空）划分未产生有效因子。
中小市值股票对舆情因子更敏感
从沪深300到中证1000，随着市值下降，有效因子数量增加，IC表现提升。中证1000股票池中情感分类合成因子多空年化收益率达42.48%，信息比率0.63，表明论坛文本在信息效率弱的环境中定价作用更显著。
冷门股与热门股中主题因子方向相反
在情感分类合成因子构建的热门股票池中，主题分类合成因子IC为负（噪音交易者主导程度高则未来表现差）；在冷门股中IC为正。噪音交易者主导的热门股可作为风险股票池，提供短期见顶信号。
剔除尾部高情绪股票策略更优
由于情感因子的负超额集中在组合底部，直接构建多头组合效果不佳。策略采用周频调仓，剔除舆情合成因子值最大的后10%股票，在沪深300、中证500、中证1000中分别实现年化超额5.25%、6.79%、8.69%，信息比率1.12、1.53、1.78。
报告回答的关键问题
如何从金融论坛文本中挖掘选股因子？
报告提出两路径：一是使用FinBERT2对文本进行情感二分类，构建基于正面帖子数量、占比及动量的统计型因子；二是使用BERTopic+LLM进行主题分类，将帖子分为基本面、技术面、情绪发泄等主题，构建各主题占比及变动因子。两者综合可构建多因子策略。
BERTopic相比传统LDA在金融短文本中有什么优势？
BERTopic基于Transformer嵌入向量，能更好理解短文本语义，自动确定主题数量，无需预设。在金融论坛短文本（平均50-60字）场景中，主题连贯性远优于LDA。报告结合大语言模型进行主题归纳，有效将论坛内容分为五大类，提升了主题分类的准确性。
论坛中讨论基本面和技术面的帖子对股价预测有何不同？
基本面占比因子IC为正，说明基本面讨论占比提升时未来收益相对较好；技术面与情绪发泄占比因子IC为负，反映噪音交易者主导时股价易回落。两者方向相反，表明讨论内容的质量和类型能提供传统情绪指标之外的增量信息。
舆情策略在实际投资中如何应用？
策略采用周频调仓，剔除舆情综合因子值最大的10%股票（高情绪热度股），在沪深300、中证500、中证1000中均获得稳定超额收益。同时，噪音交易者主导的热门股组合可作为风险监控指标，帮助识别短期见顶风险。
报告中的代表性数据
中证1000情感分类合成因子策略年化超额收益率
2020.1.2-2025.9.21，基于情感分类合成因子，剔除后10%股票，周频调仓，单边千分之一交易成本。
中证1000情感分类合成因子信息比率
2020.1.2-2025.9.21，信息比率1.78，超额最大回撤率5.69%，策略稳定性较高。
中证1000股票池周度帖子数量中位数
2019年5月至2025年9月，中证1000股票池周度主帖数量中位数超过10万条，样本量充足。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 1. 金融论坛文本分析的四大挑战及传统情感分析的局限性：详细阐述内容杂、质量低、文本短、数量多等问题，以及“唯情感论”信息损失和大模型成本困境。
- 2. 数据来源与预处理流程：介绍子长科技提供的论坛文本数据，包括沪深300、中证500、中证1000三个股票池的样本特征、覆盖度统计及清洗方法。
- 3. FinBERT2模型原理与情感分类因子挖掘：对比FinBERT2与其它模型性能，展示情感二分类结果，以及基于数量、占比、动量等维度构建的完整因子清单。
- 4. BERTopic+LLM主题分类建模全流程：详细说明文档嵌入、UMAP降维、HDBSCAN聚类、c-TF-IDF主题表征及大语言模型归纳的步骤，并给出各主题占比统计。
- 5. 各股票池因子测试结果图表：包括情感分类因子和主题分类因子在三种不同市值股票池中的IC统计、分位数组合表现、多空净值曲线等详细图表。
- 6. 多因子合成与策略构建细节：展示因子相关性分析、合成方案（等权加权）、与风格相关性测试，以及各股票池策略的具体参数、净值走势、分年度超额收益。
- 7. 冷门股与热门股中主题因子表现差异分析：通过5*5组合交互分析，揭示噪音交易者主导程度在不同热度股票中的预测方向反转，并给出风险股票池案例。
- 8. 风险提示与免责声明：强调历史规律不代表未来，模型存在失效风险，交易成本影响等，并附完整法律声明。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
