FinBERT 股票新闻情绪分析

把金融新闻的情绪和股票收益放在一起比较

FA 690 · 小项目 2 史蒂文斯理工学院 2026 年春

概述

我用两种方法分析了 20,550 篇《华尔街日报》文章:一是 FinBERT 情绪分数,二是用冻结的 BERT 向量训练一个预测收益的神经网络。我想知道这两种方法能否帮助预测个股收益,或者下个月的大盘收益。

结果

20,550
篇新闻
381
只股票
~50%
涨跌准确率
0.0005
样本外 R²

FinBERT 的涨跌方向准确率是 49.3%,收益网络是 50.0%。收益网络几乎把每个样本都预测成上涨,所以它 0.67 的 F1 并不代表有用的预测,它给出的收益估计也接近零。

FinBERT 的情绪分数每个月的波动更大。它和下个月标普 500 收益的相关系数是 −0.32,p = 0.31。这么小的测试样本,不足以在统计上证明收益可以预测。判断一篇文章的语气,和预测股票收益,是两件不同的事。

方法

FinBERT 给出正面、负面和中性的概率,情绪分数 = P(正面) − P(负面)。另一个实验里,冻结的 768 维 BERT 向量输入一个按日收益训练的神经网络,BERT 编码器本身不做微调。然后把月度平均值和下个月的标普 500 收益做比较。

训练用 2017–2018 年的文章,验证用 2019 年,测试用 2020 年。文章截断到 512 个 token。测试期赶上新冠疫情,而且只有大约十二个月度观测,大盘层面的比较因此很有限。

工具

PyTorch FinBERT BERT HuggingFace scikit-learn statsmodels