Alpha掘金系列之二十三：论坛散户观点有价值吗？——散户舆情选股投资手册

1. 金融论坛文本分析的挑战与新方案

金融论坛文本分析面临内容杂、质量低、文本短、数量多四大挑战。传统情感分析方法存在“唯情感论”造成信息损失和大模型成本高昂、方法同质化等问题。因此，提出基于情感识别+主题分类的舆情选股策略框架，从“投资者情绪如何”逐步转向“投资者在讨论什么内容”，全面扩充舆情选股因子库。

2. 数据与预处理

数据来源为子长科技，涵盖沪深300、中证500、中证1000成分股的金融论坛主帖，时间区间为2019年5月至2025年9月。样本特征显示，主帖平均字数50-60字，50字以内帖子占比超过80%，且随着股票池市值下降，帖子数量大幅增加。

3. 情感分类与因子挖掘

使用FinBERT2模型进行情感二分类，并根据股票归属关系计算各类统计量构建选股因子。基于数量、占比、数量变动、占比变动等多个维度进行因子构建，并在沪深300、中证500、中证1000等3个股票池进行因子测试。随着市值的下降，因子有效性提升。情感分类因子表现出较强的非对称性特征，尾部负超额显著。

4. 创新路径探索——BERTopic+LLM主题分类

采用BERTopic模型结合大语言模型进行主题分类，将金融论坛文本划分为基本面、技术面、情绪表达、行业政策、无关内容等多个类别，并基于各类主题占比构建选股因子。测试发现，主题分类系列因子在沪深300股票池中无效，但在中证500、中证1000股票池中能挖掘出有效因子。

5. 因子合成、相关性分析与策略构建

情感分类下的因子与主题分类下的因子相关性较低，但情感分类系列因子与风格因子中的技术类因子相关性较高。策略构建时，剔除尾部负超额明显的股票。策略在沪深300、中证500、中证1000中的年化超额收益率分别为5.25%、6.79%、8.69%，信息比率分别为1.12、1.53、1.78。

6. 结论与展望

情感分类能够提高关注度类因子的有效性，但核心逻辑仍在于“关注度”及关注度的变动。主题分类能提取更多文本信息，对策略进行补充；基本面占比正向IC，技术面占比和情绪发泄占比显著负向IC。中小市值股票更敏感，中证500、中证1000效果更强。Top组合正超额不及Bottom组合负超额突出。在热门股票组合和冷门股票组合中，主题分类因子表现完全相反，噪音交易者主导的热门股票表现不及基准，更不及噪音交易者主导的冷门股。