MSAAI 学生的研究成果发表：基于 FinBERT 的情绪分析和多因素协同作用的股票市场预测

我们很高兴与您分享我们最近的国际会议论文《基于 FinBERT 的情绪分析和多因素协同作用的股票市场预测》，该论文由我们的 MSAAI 学生沙晓雯撰写，并已被2026年商业生成式人工智能国际学术会议（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.

论文摘要

在现代金融生态系中，股票市场固有的波动性和非线性特征要求预测框架超越传统的量化指标。传统的预测方法往往难以将散户情绪的噪音与公司基本面的讯号相协调，导致自动化交易和风险管理中的决策并非最优。

本文提出了一种用于股票价格预测的多模态融合框架，该框架协调了非结构化文字资料、结构化金融因子和历史交易序列。我们方法的核心是FinBERT，这是一个基于Transformer的领域特定模型，用于量化来自中国股票论坛的投资者情绪，同时透过资讯系数（IC）分析优化金融因子工程。为了因应市场行为的复杂性，我们引入了一种混合架构：Transformer编码器捕捉融合特征空间中的长程时间依赖性，而支援向量回归（SVR）头则确保模型的稳健泛化能力。我们对 2014 年至 2024 年的沪深 300 指数股票进行了实验评估。我们的框架实现了平均 R 平方值超过 0.9，平均 RMSE 为 0.0401，显著优于单一基准模型，并证明了其在不同市场领域的稳健泛化能力。