第 6 章 · 02 GPT 选股与情感:从文本到交易信号

第 6 章 · 02 GPT 选股与情感:从文本到交易信号

本节摘要:本节梳理 quant-wiki docs/ai 下「LLM 做选股与情感分析」的实务路径。核心素材包括三块:一是 DeepSeek-R1 对特斯拉新闻的情感分析(docs/ai/DeepSeek-R1-tesla),演示从 yfinance 抓新闻 → MarkItDown 提取正文 → LLM 打分 → 投资建议的完整管线;二是 ChatGPT 量化实战(docs/ai/ChatGPT-quant),覆盖选股、策略选择、回测、风控、部署六步流程及配套 Python 代码;三是 Langchain 金融分析师(docs/ai/如何使用 DeepSeek-R1 或 ChatGPT 与 Langchain 构建专业金融分析师),把 LLM 接入行情、财报、新闻数据源,做成可问答的金融助手。本节既讲清「文本→情感→信号」的工程链路,也提示 LLM 在实时数据、预测能力、合规上的局限。素材来自 docs/ai。

内容来源:quant-wiki docs/ai(DeepSeek-R1-tesla、ChatGPT-quant、如何使用 DeepSeek-R1 或 ChatGPT 与 Langchain 构建专业金融分析师),知识结构化整理。

⚠️ 学习提示:LLM 生成的情感分数或选股建议本质是「基于训练数据的语言推断」,不等于「未来收益预测」。把它当特征工程的一环(文本因子),与价格、基本面因子组合,远比单独依赖 LLM 决策稳健。

学习目标

阅读完本节,你应当能够:

1. 复述 DeepSeek-R1 新闻情感分析管线的四步(抓取 → 提取 → 打分 → 建议)。
2. 说清 ChatGPT 量化六步流程(选股、策略、回测、评估、风控、部署)。
3. 描述 Langchain 金融分析师的代理架构与数据接入方式。
4. 列举 LLM 在交易中的优势(情绪、研究、创意)与局限(实时性、预测、合规)。
5. 把 LLM 文本因子与传统因子结合,设计一个混合策略骨架。

一、为什么用 LLM 做情感与选股

传统量化主要用价格、财务、宏观数据,而市场上有大量「文本信息」未被充分利用:新闻、财报电话会议、社交媒体、研报、内部交易公告。LLM 恰好擅长理解这类非结构化文本,能把它转成结构化的「情感分数」或「事件标签」,作为新因子。这就是「LLM 做情感与选股」的基本动机。

💡 心法:LLM 在这条链路里是「特征提取器」,不是「决策器」。它的产出(情感分数)要和传统因子一样,经过 IC 测试、分组回测、相关性分析,确认有预测力后才能进组合。

二、DeepSeek-R1 特斯拉新闻情感分析

2.1 管线四步

DeepSeek-R1-tesla 演示了一个完整的最小可用管线:

2.2 抓新闻:yfinance

def get_news(stock: str) -> list:
    ticker = yf.Ticker(stock)
    news = ticker.news
    relevant_news = [item for item in news if item.get('content', {}).get('contentType') == 'STORY']
    # 提取 title、summary、url、pubdate
​

yfinance 是免费获取 Yahoo Finance 数据的常用库,Ticker.news 返回近期新闻列表。注意只保留 contentType == 'STORY' 的正式报道,过滤视频、广告等噪声。

2.3 提正文:MarkItDown

新闻链接给的是网页,需要解析正文。MarkItDown 库能把 HTML 转成 Markdown 文本,再用正则做简单清洗。这一步是把「半结构化网页」变成「纯文本」的关键。

2.4 情感打分:DeepSeek-R1

DeepSeek-R1 是 DeepSeek 2025 年开源的推理模型,以低成本(传闻训练成本约 600 万美元)、高性能(数学/编程/推理接近 GPT-o1)著称。把多篇新闻正文合并送给 R1,让它输出情感分数与投资建议。整个流程通过 langchain-ollama 调用本地部署的模型,既保护数据隐私又降低 API 成本。

💡 迁移提示:你可以把 DeepSeek-R1 换成任意开源 LLM(Llama、Qwen)或闭源 API(GPT、Claude),管线骨架不变。模型选择主要看成本、隐私、推理能力三者的权衡。

三、ChatGPT 量化六步流程

ChatGPT-quant 把 ChatGPT 在交易中的用法拆成六步,每步都给 Python 代码示例:

3.1 六步总览

3.2 情感分析代码示例

文档给了一个用 nltk VADER 做情感分析的简洁示例:

from nltk.sentiment import SentimentIntensityAnalyzer
sia = SentimentIntensityAnalyzer()
for article in news_articles:
    scores = sia.polarity_scores(article)
    sentiment = scores['compound']
    # compound >= 0.05 积极, <= -0.05 消极, 否则中性
​

VADER 是基于词典的轻量情感分析器,不需要 LLM,速度快、可解释。LLM 版本(如 DeepSeek-R1)更灵活但成本高。两者可结合:VADER 做粗筛,LLM 做精细判断。

3.3 部署示例:Alpaca

import alpaca_trade_api as tradeapi
api = tradeapi.REST(API_KEY, API_SECRET, BASE_URL, api_version='v2')
api.submit_order(symbol='AAPL', qty=10, side='buy', type='market', time_in_force='gtc')
​

文档建议先在 paper trading(模拟账户)测试,避免真实资金风险。这与所有量化策略的部署原则一致。

3.4 可与 ChatGPT 一起用的策略

文档列了四类适合 LLM 辅助的策略:

• 均值回归:LLM 帮识别进出场点;
• 突破交易:LLM 识别支撑/阻力位;
• 趋势跟随:LLM 分析历史数据给趋势强度;
• 基于新闻的交易:LLM 结合价格与新闻情绪识别事件影响。

四、Langchain 金融分析师

4.1 代理架构

如何使用 DeepSeek-R1 或 ChatGPT 与 Langchain 构建专业金融分析师 描述了用 Langchain 把 LLM 接入多个金融数据源,做成可问答的代理:

• 数据源:Yahoo Finance(行情)、SEC EDGAR(财报)、新闻 API、宏观经济数据库;
• 工具(Tools):Langchain 的 Tool 接口封装每个数据源的查询函数,LLM 自主决定调用哪个;
• 记忆(Memory):对话历史与上下文,支持多轮追问;
• 链(Chain):把「用户提问 → LLM 选择工具 → 执行查询 → LLM 总结回答」串成流水线。

4.2 与 TradingAgents 的区别

Langchain 金融分析师是通用助手(任意金融问答),TradingAgents 是专用交易决策系统(只做买卖决策)。前者更像 Bloomberg Terminal 的 AI 版,后者更像量化交易系统的 AI 版。两者可以互补:Langchain 助手做研究,TradingAgents 做执行。

五、LLM 选股与情感的优势与局限

5.1 优势(来自 docs/ai)

• 市场分析:快速处理大量文本,提供市场情绪洞察。
• 风险管理:帮识别潜在风险因素。
• 生成交易想法:基于条件与市场状况,提出潜在机会。
• 决策支持:作为辅助工具,提供策略与建议。
• 情感分析:实时分析新闻与社媒,评估市场情绪。

5.2 局限(来自 docs/ai)

• 实时数据缺乏:LLM 训练数据有截止日期,可能无法获取最新市场数据或新闻。
• 无法预测意外事件:主要依赖历史数据,难以考虑黑天鹅。
• 有限的上下文理解:对复杂金融概念理解不足。
• 数据偏见:训练数据的偏见可能影响输出。
• 个性化不足:无法考虑个人风险偏好与财务目标。
• 法律与合规:使用 AI 模型可能涉及合规问题(决策责任归属)。

⚠️ 陷阱:LLM 会「自信地编造」(hallucination)——给出看似合理但实际错误的财务数据或事件描述。所有 LLM 给出的数字、日期、事件都要交叉验证,不能直接用于下单。

六、混合策略骨架:LLM 文本因子 + 传统因子

把 LLM 用对的关键,是把它纳入因子工程的常规流程,而非独立决策。一个推荐的混合骨架:

1. 文本因子:用 DeepSeek-R1/GPT 对每日新闻打情感分,聚合到股票层面,得到「LLM 情感因子」。
2. 传统因子:动量、价值、波动率等(参考第 5 章)。
3. 因子测试:对 LLM 情感因子做 IC/IR 测试、分组回测,确认有预测力。
4. 因子合成:用 IC 加权或机器学习(XGBoost、DNN)合成多因子,得到综合 alpha。
5. 组合优化:用均值方差或风险平价(第 7 章)构建组合。

💡 心法:LLM 在这个骨架里是「数据加工厂」,而非「决策大脑」。它的产出(文本因子)要经过与传统因子同样的严格测试。这种「LLM 做特征 + 传统做决策」的分工,是目前 LLM 量化最务实的落地路径。

本节要点回顾

1. DeepSeek-R1 管线:yfinance 抓新闻 → MarkItDown 提正文 → R1 打分 → 投资建议,可换任意 LLM。
2. ChatGPT 六步:选股、策略、回测、评估、风控、部署,每步都有 Python 代码示例。
3. Langchain 助手:把 LLM 接入行情/财报/新闻数据源,做成可问答的金融代理,是通用研究助手。
4. 五大优势:市场分析、风控、创意、决策支持、情感——LLM 的甜蜜区。
5. 六大局限:实时性、预测、上下文、偏见、个性化、合规——LLM 的边界。
6. 混合骨架:LLM 做文本因子 → 与传统因子合成 → 组合优化——最务实的 LLM 量化落地路径。

下一节,我们从 LLM 转向强化学习:TradeMaster、FinRobot、InvestorBench,看交易如何建模成序贯决策。