用LLM分析华尔街日报标题预测标普500：金融文本量化交易策略实战

本项目围绕2016-2023年间14.6万条华尔街日报标题展开，通过FinBERT情感分析与LSTM深度学习模型构建标普500指数次日走势预测策略，并对比动量、均值回归、惊喜三种策略的风险调整后收益表现，结合Fama-French因子归因等方法进行严谨评估，探索金融文本量化交易的可行性与实践路径。

金融市场价格预测是量化投资核心挑战，传统方法依赖技术指标与宏观数据，忽视新闻文本信息。随着LLM兴起，从非结构化文本提取交易信号成为可能。本项目作为课程实践，核心问题为：能否利用华尔街日报每日标题预测标普500次日走势？该问题因新闻噪声、隐喻及市场非线性反应而具挑战性。

核心数据源：2016-2023年14.6万条华尔街日报标题、标普500日度价格数据、Fama-French三因子数据、1.6万条FinBERT标注情感极性的标题子集。

预处理流程：TF-IDF向量化捕捉词汇重要性→PCA降维缓解高维稀疏→K-Means聚类发现潜在主题集群。

基线模型：TF-IDF+PCA+逻辑回归，优势为透明性，可直观展示词汇对情感分类的贡献。

进阶模型：LSTM神经网络，通过分词填充、LSTM层学习序列依赖、分类头输出情感预测，能理解语义微妙差异与长距离依赖。

基于每日情感得分聚合信号St，构建三种策略：

1. 动量策略：正向情感做多、负向做空/空仓（假设情绪持续）；
2. 均值回归策略：极度负向做多、极度正向做空（假设过度反应后修复）；
3. 惊喜策略：情感突增做多、骤降做空（基于30日滚动平均偏差，假设预期差驱动反应）。

区分样本内（2016-2021）与样本外（2022-2023），评估指标包括： 基础收益（累计/年化收益率）； 风险调整（年化波动率、夏普比率、最大回撤、Calmar比率）； 因子归因（Fama-French三因子回归得年化Alpha及显著性）； 成本现实化：考虑5bps/10bps费率，计算净收益。

可视化洞察：TF-IDF词汇贡献图、K-Means主题聚类、分类指标雷达图。

方法论启示：1.文本数据具前瞻性信息优势；2.模型复杂度与可解释性需权衡；3.同一信号可衍生多样策略；4.微小费率对高换手策略影响显著。

当前局限：单一数据源、仅用标题（丢失细节）、情感二分类简化、线性因子模型不足。

潜在扩展：多源数据融合（社交媒体/财报会议等）、细粒度情感（强度/具体情绪）、高频实现、强化学习优化策略参数。