From headlines to signals: a reproducible pipeline that transforms financial news sentiment into market insights and simple timing strategies (NLP + Market Data, Python).
这是一个“AI+金融”的端到端探索项目：基于金融新闻/公告的情感分析（词典/Transformers/LLM 可拓展），构建日度情绪指数，并与指数价格/成交量进行相关（corr）、信息含量（IC）与简易择时回测。项目强调严谨的时间对齐与可复现性。
一句话业务价值：通过金融新闻情感指数，捕捉市场波动前的情绪信号。
ai-fin-nlp-sentiment-predict/
├─ env/
│ └─ environment.yml
├─ data/
│ ├─ raw/ (示例数据：news_sample.csv, market_sample.csv)
│ ├─ interim/
│ └─ processed/
├─ output/
│ ├─ figures/ (示例图自动生成)
│ └─ tables/ (评估表自动生成)
├─ run_full_pipeline.py
├─ *.py (模块化源码)
└─ README.md
## 快速开始
1. **创建环境**（任选其一）：
```bash
# Conda
conda env create -f env/environment.yml
conda activate finnews-sentiment2signal
# 或者 pip
python -m venv .venv && source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt
- 运行一键脚本
输出图表与表格见
python run_full_pipeline.py
output/figures/与output/tables/。
- 演示使用合成新闻数据与合成市场数据（
data/raw/*_sample.csv）。 - 可替换为：公开新闻摘要/公告 + yfinance 等市场数据。
- 情感打分：默认词典法（可拓展 Transformers/LLM）。
- 指标：相关（corr）、信息含量（IC=与未来收益的相关）、滚动可视化。
- 策略：基于
sent_net的分位数阈值择时，含交易成本（bps）。
运行后将生成：
-
output/figures/sentiment_vs_market.png：情感指数与价格对比图
-
output/figures/equity_curves.png：择时策略 vs Buy&Hold 的资金曲线
-
output/tables/metrics.csv：相关/IC 指标 -
output/tables/backtest_perf.csv：回测绩效摘要
- 新闻覆盖与发布时间戳可能与交易时段错配；
- 中文金融语义复杂，词典法偏弱；
- 小样本/短样本导致稳定性有限；
- 使用开源金融情感模型（如 FinBERT/中文 RoBERTa）或指令微调 LLM；
- 引入新闻重要度/权重（来源、热度、公司级别实体识别）；
- 更细的事件研究（Earnings/政策/并购）；
- 多因子融合与更严谨的时序交叉验证；
- 更完善的交易成本建模与滑点模拟。