MSAAI 學生的研究成果發表：基於 FinBERT 的情緒分析和多因素協同作用的股票市場預測

我們很高興與您分享我們最近的國際會議論文《基於 FinBERT 的情緒分析和多因素協同作用的股票市場預測》，該論文由我們的 MSAAI 學生沙曉雯撰寫，並被2026年商業生成式人工智能國際學術會議（GAIB 2026）接收：

Xiaowen Sha, Harris Sik-Ho Tsang, Richard Tai-Chiu Hsung, Wai-Lun Lo, Tony Yulin Zhu, Xiaoxing Yang, Zhicong Song, Yui-Lam Chan, “FinBERT-Driven Sentiment Analysis and Multi-Factor Synergy for Stock Market Forecasting,” International Conference on Generative Artificial Intelligence for Business (GAIB), Shenzhen, China, Jul.-Aug. 2026.

論文摘要

在現代金融生態系中，股票市場固有的波動性和非線性特徵要求預測框架超越傳統的量化指標。傳統的預測方法往往難以將散戶情緒的噪音與公司基本面的訊號相協調，導致自動化交易和風險管理中的決策並非最優。

本文提出了一種用於股票價格預測的多模態融合框架，該框架協調了非結構化文字資料、結構化金融因子和歷史交易序列。我們方法的核心是FinBERT，這是一個基於Transformer的領域特定模型，用於量化來自中國股票論壇的投資者情緒，同時透過資訊係數（IC）分析優化金融因子工程。為了因應市場行為的複雜性，我們引入了一種混合架構：Transformer編碼器捕捉融合特徵空間中的長程時間依賴性，而支援向量回歸（SVR）頭則確保模型的穩健泛化能力。我們對 2014 年至 2024 年的滬深 300 指數股票進行了實驗評估。我們的框架實現了平均 R 平方值超過 0.9，平均 RMSE 為 0.0401，顯著優於單一基準模型，並證明了其在不同市場領域的穩健泛化能力。