Event-Aware Sentiment Factors from LLM-Augmented Financial Tweets: A Transparent Framework for Interpretable Quant Trading¶

会议: ICML 2025
arXiv: 2508.07408
代码: 有（论文承诺全部代码和方法开源）
领域: 时序分析
关键词: 金融情感分析, 大语言模型, 事件驱动因子, Alpha信号发现, 量化交易

一句话总结¶

利用大语言模型对金融推文进行多标签事件分类标注，将非结构化社交媒体文本转化为结构化、可解释的事件驱动量化因子，发现特定事件类别（如谣言/投机）具有显著的负Alpha信号（Sharpe ratio低至-0.38）。

研究背景与动机¶

传统金融模型依赖基本面分析和技术面价格形态等结构化数据来解释市场走势。然而行为金融学研究表明，投资者情绪——即市场参与者的集体情绪和心理状态——可以作为资产价格的独立驱动因素。Twitter（现X）等社交媒体平台提供了前所未有的实时公众话语窗口，成为捕捉市场情绪的重要数据源。

现有方法的局限性：

噪声大：简单情感极性（正/负）信号噪声高，预测力易随套利行为衰减

缺乏解释性：极性分数只能告诉我们市场"感受如何"（正面或负面），无法揭示"为什么"——即驱动情绪的底层语义或真实事件

单维度处理：现有方法将情感视为单一信号，无法区分并购传闻、抵制活动等不同类型的市场叙事，而这些事件可能具有截然相反的收益特征

本文的核心论点：社交媒体数据的真正价值不仅在于情感强度，更在于其丰富的语义结构。通过LLM自动为高强度推文分配多标签事件类别，可以构建更为鲁棒和可解释的预测信号。

方法详解¶

整体框架¶

本文提出的方法论将非结构化社交媒体文本转化为结构化、可交易的Alpha信号，包含四个核心阶段：

数据获取与预处理：推文语料清洗与市场数据对齐
LLM情感与事件标注：利用LLM进行情感评分和多标签事件分类
截面因子构建：基于标注结果构建事件驱动的截面因子
因子评估与回测：严格的因子表现评估和策略回测

关键设计¶

1. 数据管线¶

推文语料：采用Sowinska等人的数据集，包含862,231条与股票代码关联的英文推文，经清洗后保留85,176条高信噪比子集
预处理步骤：标准NLP流程——小写化、Token标准化、$cashtag和@user掩码处理
市场数据：对齐的股票级价格和成交量数据，计算日对数收益率 $r_t = \log(P_t / P_{t-1})$，作为所有预测评估的因变量

2. LLM增强的事件标注系统¶

这是本文的核心创新，为每条推文同时赋予情感强度和多标签语义标签：

情感极性（Net Tone）：

为每条推文分配一个连续的情感分数（net tone），反映文本的方向性情绪强度
采用堆叠LDA主题模型 + 逻辑回归的方式，训练模型预测前向收益率，生成与市场反应对齐的极性分数
框架支持替换为LLM提示的极性评分

多标签事件标注（Multi-Label Event Tagging）：

使用商业级LLM进行零样本多标签分类
设计了包含70+种金融相关事件类型的精心策划字典，包括：
- Rumor/Speculation（谣言/投机）
- Retail Investor Buzz（散户热议）
- Brand Boycott（品牌抵制）
- 等其他事件类型
每条推文可被分配一个或多个标签
多标签推文的net tone在各标签间复制，用于后续聚合

3. 截面事件因子构建¶

对于每个事件标签 $e$、每只股票 $i$ 和每个交易日 $t$，因子暴露 $F_{i,t,e}$ 定义为该事件类别下相关推文的聚合net tone分数。这些因子随后用于：

与1-7天前向收益率对齐，评估统计有效性和市场可交易性
构建截面排序策略
残差分析以验证与市场Beta的正交性

4. 与SESTM框架的关系与扩展¶

本文建立在Ke等人(2019)提出的SESTM（有监督情感主题模型）框架之上：

SESTM原始方法：通过预测性词汇筛选和无监督主题推断，从金融新闻中统计建模主题分布
本文扩展：将其适配到更具波动性和非正式性的社交媒体领域，用LLM作为语义增强器，替代手工调优的词典和无监督主题推断，实现多标签分类

损失函数 / 训练策略¶

本文的训练策略采用两阶段管线：

第一阶段——情感评分：采用堆叠LDA主题模型 + 逻辑回归的监督学习方式，以前向收益率为监督信号训练情感极性评分器
第二阶段——事件标注：使用LLM的零样本推理能力，无需额外训练，直接通过精心设计的Prompt和事件字典进行多标签分类

这种设计的优势在于：

情感评分通过监督学习对齐了市场信号
事件标注利用了LLM的预训练知识，无需领域标注数据
整体框架具有高度模块化和可扩展性

实验关键数据¶

主实验¶

论文在多个持有期（1-7天）上评估了事件驱动因子的预测能力：

事件类别	指标	本文结果	基线(简单情感极性)	说明
Rumor/Speculation	Sharpe Ratio	-0.38	~0	最强负Alpha信号
Rumor/Speculation	IC	>0.05	<0.03	95%置信水平显著
Retail Investor Buzz	Sharpe Ratio	负值	~0	显著反向指标
Brand Boycott	Sharpe Ratio	负值	~0	事件级信号更强
整体事件因子	统计显著性	95%置信	不稳定	多周期验证

关键发现：特定事件标签持续产生负Alpha，表明这些事件驱动的情感信号可以作为反向指标使用——当市场对特定事件类型表现出高度情绪反应时，后续收益率倾向于反转。

消融实验¶

配置	关键指标	说明
仅情感极性（无事件标签）	IC较低，Sharpe不显著	简单极性缺乏区分力
LLM事件标注 + 情感极性	IC>0.05，Sharpe=-0.38	事件标签增加了关键解释力
市场Beta残差分析	Alpha与Beta正交	确认因子代表真正的Alpha
多持有期（1-7天）	均显著	因子在多个horizons上鲁棒
高情感强度过滤	信号更强	高情感推文的事件标注价值更高

关键发现¶

事件条件化信号具有不同的预测特征：不同事件类别呈现出截然不同的收益曲线，证实了将情感分解为多维事件因子的必要性
负Alpha的一致性：谣言/投机类事件在1-7天horizons上持续产生负Alpha，Sharpe ratio低至-0.38，IC超过0.05
与市场风险的正交性：通过残差分析证明事件因子的预测力与市场Beta正交，代表真正的Alpha来源
LLM标签的可解释性：每个因子都与具体的市场事件语义绑定，为策略提供了清晰的经济学解释

亮点与洞察¶

从"是什么"到"为什么"的范式转变：本文将情感分析从单一极性评分推进到多维事件归因，回答了市场情绪背后的"为什么"
LLM作为语义增强器的新角色：不是用LLM做端到端预测，而是利用其零样本分类能力为传统量化管线提供结构化输入，兼顾了可解释性和性能
负Alpha的实践价值：识别出持续产生负Alpha的事件类别，为构建反向交易策略提供了直接指导
可复现的研究范式：全部代码和方法论开源，降低了量化交易研究的门槛
模块化设计：情感评分和事件标注解耦，可独立替换和升级各组件

局限与展望¶

数据时效性：研究使用的推文数据集年份较早（2017年），市场结构和社交媒体生态已发生显著变化，因子表现在当前市场的泛化性需验证
LLM依赖与成本：大规模推文标注依赖商业级LLM，API调用成本和延迟可能限制实时交易应用
事件字典的完备性：70+种事件类型是否覆盖了所有市场相关叙事？字典设计是否引入了选择偏差？
样本量限制：清洗后仅85,176条推文，对于截面因子构建可能存在小样本问题
因子衰减问题：论文未充分讨论因子在更长时间跨度上的有效性变化和可能的Alpha衰减
多市场验证：仅在美股上验证，其他市场（如A股、港股等）的适用性未知
实时部署挑战：从推文获取到因子生成的延迟是否影响策略的可执行性

评分¶

维度	分数 (1-5)	说明
新颖性	3.5	LLM+事件标注的组合有创新，但建立在SESTM框架上的增量创新
技术深度	3.0	方法框架清晰但技术复杂度中等，核心依赖LLM零样本能力
实验充分性	3.5	回测评估较系统，但数据集较旧且规模有限
可复现性	4.5	全部代码和方法开源，可复现性很强
实用价值	4.0	对量化交易实践有直接指导意义
综合	3.5	方向正确且有实用价值的工作，但技术深度和数据验证仍有提升空间