量化研究系列报告之十一：ChatGPT与研报文本情绪的碰撞.pdf

量化研究系列报告之十一：ChatGPT与研报文本情绪的碰撞。本文将使用 ChatGPT 分析卖方分析师对公司盈余公告点评标题中 的情感态度，探讨其在金融文本分析领域的潜力。我们通过适当的提 示、模型设置和调用策略，提升模型回复的准确性和模型使用的性价 比。从 ChatGPT 对标题情感的评分与解释看，ChatGPT 在情感分析 上表现卓越，能够准确、连续地评分，并精确捕捉关键情感信息，明显 优于传统模型如 BERT。

GPT 评分刻画的“超预期”确能带来收益增量

我们分别尝试了使用文本方式和 ChatGPT 评分的方式对“超预期” 进行刻画。实证表明，ChatGPT 对于高评分的股票确实具有良好的收 益预测能力，证实了其在金融文本评分方面的优越性和实用价值。与文 本分析方法相比，通过 ChatGPT 评分筛选出的“GPT 超预期”股票池数 量更多，但其整体收益表现更为出色。此外，盈余跳空因子 JOR 在全 样本、GPT 超预期和文本超预期的样本空间中的表现也表明，无论从 因子本身还是优选组合的表现，GPT 超预期样本空间下的 JOR 因子有 显著收益增量，在超预期 Beta 本身失效的近两年尤为突出。

GPT 评分因子，新型另类因子

本文基于 ChatGPT 评分构建了“GPT 评分因子”，包括等权、指数 衰减加权和 GPT 评分波动因子，这些因子可认为是新型另类因子。理 论上，分析师对盈余的评论主要是文字描述，很少涉及具体的数值数 据，构造的因子的预测能力难以达到很高的水平。但其在中证 500 指 数域中仍然显示出了一定的选股能力，2017-2023.06.30，GPT 合成因 子的 RankIC 为 3.6%，多头年化超额为 9.3%，多头组合每年均为正超 额，近三年超额分别为 7.04%、17.09%和 2.96%。