Skip to content

FinBERT_README.md

Latest commit

 

History

History
302 lines (214 loc) · 7.27 KB

FinBERT_README.md

File metadata and controls

302 lines (214 loc) · 7.27 KB
Raw

FinBERT 情绪分析整合指南

📚 概述

FinBERT 是一个专门针对金融文本进行情绪分析的 BERT 模型，能够分析新闻标题和摘要，判断市场情绪（正面/中性/负面）。

本系统已将 FinBERT 整合到交易信号生成系统中，可以为买入/卖出决策提供额外的市场情绪支持。

🗂️ 相关文件

核心模块

  1. finbert_sentiment.py - FinBERT 情绪分析核心模块

    • FinBERTAnalyzer 类：初始化和使用 FinBERT 模型
    • fetch_news_via_rss(): 从 Yahoo Finance RSS 抓取新闻
    • get_sentiment_score(): 计算单条新闻的情绪分数
    • analyze_stock_sentiment(): 分析股票的整体市场情绪

  2. finbert_enhanced_scoring.py - 增强评分模块

    • calculate_sentiment_score(): 计算情绪分数并转换为评分调整值
    • calculate_enhanced_buy_score_with_sentiment(): 整合 FinBERT 的买入评分系统
    • format_sentiment_output(): 格式化情绪分析结果输出

示例文件

  1. get_trading_signal_nvda_finbert.py - 整合 FinBERT 的 NVDA 交易信号示例

🚀 安装依赖

首次使用需要安装以下依赖包：

pip install transformers torch nltk

注意： 首次运行时，FinBERT 模型（约 400MB）会自动下载，请耐心等待。

💡 使用方法

方法 1: 独立使用 FinBERT 分析

from finbert_sentiment import FinBERTAnalyzer

# 初始化分析器
analyzer = FinBERTAnalyzer()

# 分析单只股票
result = analyzer.analyze_stock_sentiment('NVDA', verbose=True)

# 输出结果
print(f"情绪分数: {result['sentiment_score']}")
print(f"情绪判断: {result['sentiment_label']}")
print(f"新闻数量: {result['news_count']}")

方法 2: 在交易信号中使用

修改你的 get_trading_signal_xxx.py 文件：

Step 1: 导入模块

# 在文件开头添加
from finbert_enhanced_scoring import calculate_enhanced_buy_score_with_sentiment, format_sentiment_output

Step 2: 修改评分调用

将原有的：

buy_score, signal_override, buy_reasons, buy_warnings, buy_metadata = calculate_enhanced_buy_score(
    rsi=rsi,
    macd=macd,
    # ... 其他参数
)

改为：

buy_score, signal_override, buy_reasons, buy_warnings, buy_metadata, sentiment_result = calculate_enhanced_buy_score_with_sentiment(
    rsi=rsi,
    macd=macd,
    # ... 其他参数
    symbol='NVDA'  # 添加股票代码参数
)

Step 3: 显示情绪分析结果

在买入建议输出后添加：

# 显示FinBERT情绪分析结果
if sentiment_result and sentiment_result['news_count'] > 0:
    print("\n" + format_sentiment_output(sentiment_result))

📊 情绪分数映射

FinBERT 返回的情绪分数会自动转换为评分调整值：

情绪分数 情绪标签 评分调整
> +0.30 强烈正面 +20 分
+0.15 ~ +0.30 正面 +10 分
+0.05 ~ +0.15 轻微正面 +5 分
-0.05 ~ +0.05 中性 0 分
-0.15 ~ -0.05 轻微负面 -5 分
-0.30 ~ -0.15 负面 -10 分
< -0.30 强烈负面 -20 分

示例：

  • 原始技术评分：45/100
  • FinBERT 情绪分数：+0.25（正面）
  • 评分调整：+10 分
  • 最终评分：55/100 ✅

🔍 新闻来源映射

系统会根据股票代码自动选择合适的搜索关键字：

美股

  • NVDA → 搜索 "NVDA"
  • AAPL → 搜索 "AAPL"
  • GOOGL → 搜索 "GOOGL"

欧股

  • RHM.DE → 搜索 "RHM.DE" + 过滤 "Rheinmetall"

台股 (使用 ADR 或英文名)

  • 2330.TW (台积电) → 搜索 "TSM" (ADR)
  • 3711.TW (日月光) → 搜索 "ASX" (ADR)
  • 2308.TW (台达电) → 搜索 "2308.TW" + 过滤 "Delta"
  • 6442.TW (兆丰金) → 搜索 "6442.TW" + 过滤 "Mega Financial"

修改映射表：

编辑 finbert_sentiment.py 中的 SEARCH_MAPPING 字典：

SEARCH_MAPPING = {
    '你的股票代码': ('搜索关键字', '可选过滤关键字'),
    # 示例
    '2451.TW': ('2451.TW', 'Transcend'),
}

🎯 输出示例

================================================================================
🗞️  市场情绪分析 (FinBERT)
================================================================================
新闻数量:     8 则
情绪分数:     +0.245
情绪判断:     📈 正面
评分调整:     +10 分

📰 热点新闻:
   1. Nvidia Stock Surges on AI Chip Demand Forecast
   2. NVDA Beats Q4 Earnings Expectations, Raises Guidance
   3. Analysts Upgrade Nvidia Price Target to $180

⚙️ 配置选项

调整抓取的新闻数量

# 在 finbert_sentiment.py 中
news_items = self.fetch_news_via_rss(
    search_term,
    filter_kw,
    max_news=10  # 改为 5 或 15
)

禁用 FinBERT（回退到技术指标）

如果 FinBERT 模型加载失败或不想使用，系统会自动回退：

# 自动返回
{
    'sentiment_score': 0.0,
    'sentiment_label': '未启用',
    'news_count': 0,
    'score_adjustment': 0
}

📈 实战案例

案例 1: OMER (Omeros Corporation)

技术面：

  • RSI: 71.1 (超买)
  • MACD: 金叉
  • 量比: 1.7x (放量)
  • 技术评分: 52/100

FinBERT 情绪分析：

  • 新闻数量: 6 则
  • 情绪分数: +0.32 (强烈正面)
  • 评分调整: +20 分

最终评分: 72/100 → 强力买入 🟢

案例 2: RHM.DE (莱茵金属)

技术面：

  • RSI: 53.89 (中性)
  • MACD: 金叉（负值区）
  • 量比: 0.54x (缩量)
  • 技术评分: 9/100

FinBERT 情绪分析：

  • 新闻数量: 10 则
  • 情绪分数: +0.28 (正面，地缘政治利好)
  • 评分调整: +10 分

最终评分: 19/100 → 仍为观望 🟡

分析： 虽然情绪正面，但技术面过弱，评分调整后仍低于买入阈值（20分），系统正确拒绝买入。

⚠️ 注意事项

  1. 网络要求： 需要访问 Yahoo Finance RSS (可能需要代理)
  2. 首次运行： 模型下载需要 5-10 分钟
  3. 台股限制： 台股新闻较少，建议使用 ADR 代码搜索
  4. 非交易时段： 可能抓不到最新新闻
  5. 不可过度依赖： 情绪分析作为辅助参考，不应单独决策

🔧 故障排除

问题 1: ModuleNotFoundError: transformers

解决：

pip install transformers torch

问题 2: 新闻抓取失败

原因： 网络连接问题或 Yahoo Finance 限制

解决：

  • 检查网络连接
  • 使用代理
  • 修改搜索关键字映射

问题 3: 模型加载失败

解决：

# 手动下载模型
python -c "from transformers import BertTokenizer, BertForSequenceClassification; BertForSequenceClassification.from_pretrained('yiyanghkust/finbert-tone')"

📚 参考资料

📝 更新日志

v1.0 (2025-12-31)

  • ✅ 初始版本发布
  • ✅ 支持美股/欧股/台股新闻抓取
  • ✅ 整合到交易信号评分系统
  • ✅ 自动评分调整 (-20 ~ +20 分)

有问题？ 查看 finbert_sentiment.py 和 finbert_enhanced_scoring.py 的代码注释 📖