东方证券-因子选股系列之八十九：分析师情感调整分数ASAS-230328

文本预览：

《东方证券-因子选股系列之八十九：分析师情感调整分数ASAS-230328（17页）.pdf》由会员分享，可在线阅读，更多相关《东方证券-因子选股系列之八十九：分析师情感调整分数ASAS-230328（17页）.pdf（17页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从东方证券《因子选股系列之八十九：分析师情感调整分数ASAS》研报附件原文摘录）
　　研究结论 　　分析师情感调整分数（AnalystSentimentAdjustedScore，ASAS）。该因子通过分析师的研报标题和摘要文本序列来捕捉他们对股票的看法，并结合盈利预测调整值作为标签来训练模型。使用双层Transformer和一维卷积网络提取特征，并计算过去三个月内某只股票的情感打分均值作为量化选股因子，全样本RankIC均值为0.04，ICIR为2.0。 　　自然语言处理（NLP）旨在让计算机理解和处理人类语言。自20世纪中叶起，NLP历经多次发展，涌现出ELIZA、BoW词袋模型、Word2Vec等技术。2017年，基于多头自注意力机制的Transformer模型问世，开启了预训练语言模型（T-PTLMs）时代，包括BERT、GPT-n和XLNet等，在各项自然语言处理任务中取得显著成绩。 　　相比于前一篇研究所使用的词袋模型，此次的研报情感打分，我们使用500词的长文本序列作为输入，使用1228万词的腾讯词库进行精准分词，并用200维的腾讯词向量作为词嵌入的预设权重，用逆概率密度函数（IPDF）对标签进行标准化，经过众多NLP模型的基线对比后，选定Transformer作为基础模型。 　　我们采用双层TransformerEncoder和一维卷积作为最终的训练模型结构，一维卷积在基线对比时就体现了极强的特征提取能力，配合多头注意力机制，能提炼出文本中的段落相关性，和微妙的情感表达。 　　ASAS因子在沪深300、中证500、中证1000样本空间中的RankIC分别为0.047、0.041、0.037，预测能力较为稳定，各个样本空间的ICIR均大于1，因子稳定性较高。在中证500、中证800和中证1000样本空间中表现出较高的超额年化收益率，尤其在中证1000样本空间中表现最优。此外，中证1000样本空间中，年化波动率相对较低，显示出较低的风险特征。 　　ASAS因子在IC相关性上和标签、WFR的IC相关性较高，标签的RankIC均值为0.035，ICIR1.4，WFR的RankIC均值为0.029，ICIR1.3，ASAS的RankIC均值为0.040，ICIR2.0，说明模型的升级很好地修正了分析师的盈利预测调整，使得选股能力和稳定性同步提升。 　　风险提示 　　量化模型失效风险、市场极端环境冲击