利用情感分析預測中債價格指標

摘要：本文運用固定收益分析師情感分析結果和其他信息作為模型輸入數據，使用機器學習方法預測中債價格指標。研究結果表明：一是方向性預測較準確，機器學習中的XGBoost方法效果最好，在預測中債指數時，二分類預測的平均準確率為75%，四分類預測的平均準確率為65%，在預測10年期與2年期中債國債收益率之差的變化時，二分類預測的平均準確率為68%，四分類預測的平均準確率為58%；二是借助模型可以篩選分析師，從而方便市場參與者從固定收益分析師中優中選優，參考研究結果，做好輔助決策；三是模型處理迅速，不存在人為判斷速度慢、工作量大的問題。

關鍵詞：情感分析 PaddlePaddle NLP 中債價格指標

問題的提出

債券市場參與者能否通過自然語言處理技術（以下簡稱“NLP”）并根據固定收益分析師（以下簡稱“固收分析師”）的情感分析來預測中債價格指標變化？根據當前的技術，筆者認為或許有一定的可行性。

（一）NLP在金融市場的應用日益廣泛，為預測中債價格指標提供了技術支持

早在20世紀80年代就已有機構探索基于NLP進行金融分析，但公認的開創性工作是谷歌（Google）在2003年申請的一項專利，這項工作證明了用新聞來預測股票價值的有效性，并解決了早期NLP中的一系列問題。隨著推特（Twitter）、臉書（Facebook）等社交媒體上數據量暴漲，研究機構發現通過分析Twitter等社交媒體上的公眾情緒可以顯著提高道瓊斯工業指數的預測準確度。倫敦的對沖基金公司Derwent CapitalMarkets運用Twitter 輿情輔助投資分析，在第一個月實現了1.85%的盈利?！?br>