国金证券-CTA金点子系列之一：基于ChatGPT新闻情感分析的原油期货策略-230602

文本预览：

《国金证券-CTA金点子系列之一：基于ChatGPT新闻情感分析的原油期货策略-230602（26页）.pdf》由会员分享，可在线阅读，更多相关《国金证券-CTA金点子系列之一：基于ChatGPT新闻情感分析的原油期货策略-230602（26页）.pdf（26页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从国金证券《CTA金点子系列之一：基于ChatGPT新闻情感分析的原油期货策略》研报附件原文摘录）
　　NLP 在金融领域的应用 　　情感分析在金融领域具有重要的应用，在这一领域中， ChatGPT 超越了其他传统情感分析方法，往往能够提供更准确的预测结果。本篇报告通过 ChatGPT 对 OPEC 官方发布的新闻进行情感分析，通过验证 OPEC 新闻与原油期货价格之间的关系探索了 ChatGPT 的情感分析效果。 　　不同模型的情感分析方法 　　使用传统的 NLP 模型“ SentimentIntensityAnalyzer”，从事件驱动的角度看， 评分较高的新闻发布前后 60 个交易日内收益率并未明显高于评分较低的新闻的对应收益率。新闻的事件驱动收益不明显，模型打分无法细节区分新闻情绪， 分析效果存在一定局限性。 　　“ GPT-3.5-turbo” 模型情绪打分效果明显更优，模型能够根据输入文本生成高质量的输出，并且可以理解复杂的意图、因果关系。 模型的情绪打分有了明显区分度， 在比较滞后的日频维度与滞后较少的分钟维度， 打分超过 10 次的新闻单调性均良好， 最高情绪打分的新闻事件可能获得较好的超额收益。应用 ChatGPT API 时，用户输入的参数不同，模型对角色的识别和分类、对不同角色所需回答的分析和生成也是不同的。我们详细测试了各关键参数的敏感性，角色参数最直接对结果造成影响，甚至会出现不同角色相反结论；Temperature 参数与 Top_p 参数共同控制结果的随机性， 我们应该根据不同的分析目标设定 Temperature 参数与Top_p 参数，当需要“创意“结果时，可以相应设定更高的自由度，但为了保持新闻事件分析结果的严谨性，我们在新闻事件情感分析时应该给与模型尽量少的自由度，检验设置的参数建议为 0。 不同 Top_p 参数下模型输出结果相对平稳；不同 Temperature 参数下模型结果波动较大。 　　ChatGPT-4 在 few shot 和 zero shot 上的结果表现上进一步提升了， ChatGPT 4 在逻辑分析和内容解读上均有明显进步。 但是 ChatGPT 4 无法通过对话的方式去设置 Temperature 和 Top_p 参数，无法按照 ChatGPT 3.5 API 调用的方式保证情绪分析输出结果的稳定性，输入相同内容得到的情绪打分分数会出现明显波动，这导致我们还无法将ChatGPT 4 直接应用于情感分析打分的相关金融策略。 　　GPT 情感分析驱动策略 　　情感分析驱动的 CTA 策略是一种较新颖的交易策略，它结合了情感分析和传统的 CTA 策略。大语言模型的发展提供的更加准确的分析结果使此策略有更多的应用空间，结合此前我们对 OPEC 新闻的分析打分结果，我们构建了 GPT 情感分析驱动策略。 　　策略具体规则为新闻事件发生且情感分析打分大于等于 0.7，进行买入；新闻事件发生且情感分析打分小于 0，进行卖空。 当价格偏离 2 倍 ATR 时进行平仓。 策略的年化收益率为 22.72%，策略最大回撤为 14.22%。对比 buy and hold 和随机信号的策略结果来区分是新闻情绪信号带来的收益还是因为期货本身的波动带来的收益。在新闻出现的相同时间点，我们生成三组随机情感分数，第一组为 0 到 1 的随机数，第二组为-1 到 1 的随机数，第三组为与 GPT 打分同均值方差分布的随机数。在相同的开平仓规则下 GPT 情感分析驱动策略显著跑赢各类随机信号策略，也显著跑赢 buy and hold 策略，结果证明新闻情绪信号确实能带来明显的增量信息。 　　风险提示 　　以上结果通过历史数据统计、建模和测算完成，历史规律未来可能存在失效的风险。