一、课程导论与金融NLP全景
1.1 量化交易与NLP的交叉点
说实话，很多人一听到「量化交易」，脑子里蹦出来的就是K线、均线、MACD这些技术指标。但我想告诉你一个事实——真正赚钱的量化策略，往往藏在文字里。
我做了快十年的量化交易，早期也是纯技术派。直到有一次，我盯着一只股票的技术形态，怎么看都是买入信号。结果第二天财报一出，业绩暴雷，直接跌停。嗯，从那以后我就明白了——数字是滞后的，文字才是先导。
金融NLP，说白了就是让机器读懂金融文本。它和量化交易的交叉点，主要体现在三个层面：
- 信号提取：从新闻、研报中提取利好/利空信号
- 情绪量化：把市场情绪变成可计算的数值
- 事件驱动：识别重大事件并触发交易逻辑
你想想看，当市场还在盯着K线的时候，你的模型已经读懂了美联储会议纪要里的弦外之音。这就是NLP给量化交易带来的降维打击。
核心观点：金融NLP不是替代传统量化，而是给量化交易装上了一双「读文」的眼睛。
1.2 课程目标与学习路径
这门课的目标很明确——让你能独立搭建一套基于金融文本的量化交易系统。不是纸上谈兵，是真正能跑、能赚钱的那种。
我个人习惯把学习路径分成四个阶段：
- 基础夯实期（第1-3章）：搞懂金融文本的特点，学会基础NLP工具
- 核心能力期（第4-6章）：掌握情感分析、事件抽取、主题建模
- 实战应用期（第7-9章）：把NLP结果接入量化策略，做回测和实盘
- 进阶优化期（第10章）：大模型在金融NLP中的前沿应用
我在项目中遇到过很多学员，一上来就啃BERT、GPT，结果连正则表达式都写不利索。所以我建议你——别急，一步一步来。
我的建议：每学完一章，一定要动手写代码。光看不练，等于白学。
1.3 金融文本数据概览
金融文本数据，说白了就是四种：新闻、研报、财报、社交媒体。每种数据都有自己的脾气，我来给你拆解一下。
1.3.1 新闻数据
新闻数据的特点是时效性强、噪音大。我刚开始做新闻情感分析时，发现一条「某公司股价暴跌」的新闻，情感得分居然是中性。为什么？因为模型把「暴跌」当成了普通动词。
常见的新闻数据源包括：
- 财经门户（东方财富、新浪财经）
- 资讯终端（Wind、Bloomberg）
- 官方媒体（新华社、人民日报）
避坑指南：我曾经用爬虫抓新闻，结果被反爬搞到怀疑人生。建议直接买数据源，省时省力。
1.3.2 研报数据
研报是券商分析师写的，特点是专业性强、篇幅长。一份研报动辄几十页，里面全是「维持买入评级」、「业绩超预期」这类话。
处理研报时，我常用的技巧是：
- 先提取摘要和结论部分
- 重点关注「评级」和「目标价」
- 用正则匹配关键财务指标
1.3.3 财报数据
财报是上市公司定期发布的，特点是结构化强、术语固定。比如「营业收入」、「净利润」、「每股收益」这些词，几乎每份财报都有。
我个人习惯把财报数据分成两类：
| 数据类型 | 示例 | 处理方式 |
|---|---|---|
| 结构化数据 | 利润表、资产负债表 | 直接解析表格 |
| 非结构化数据 | 管理层讨论、风险提示 | NLP情感分析 |
1.3.4 社交媒体数据
社交媒体数据，比如股吧、雪球、微博，特点是情绪化强、口语化严重。你想想看，散户在股吧里发帖，会用「机构研报」那种语气吗？不会的，他们直接说「垃圾股，快跑」。
处理社交媒体数据时，要注意：
- 做好文本清洗（表情、缩写、错别字）
- 构建金融领域的情感词典
- 注意数据时效性（盘后情绪和盘中情绪完全不同）
经验之谈：社交媒体数据虽然噪音大，但往往能提前反映市场情绪。我有个策略就是专门抓股吧的「恐慌帖」，效果出奇的好。
1.4 本章知识体系
为了让你更直观地理解本章内容，我画了一张结构图。它展示了金融NLP在量化交易中的整体框架：
这张图其实已经说得很清楚了——金融文本数据是原料，NLP是加工厂，量化交易是最终产品。三者缺一不可。
一个小提醒：刚开始接触金融NLP，别想着一步到位。先把数据搞明白，后面的事就水到渠成了。