4、情感词典构建：通用情感词典与金融领域情感词典的定制
情感词典这东西，说白了就是给文本打上情绪标签的“字典”。你想想看，要让机器理解“这家公司业绩超预期”是正面消息，而“财报暴雷”是负面消息，总得有个对照表吧？这个对照表，就是情感词典。
我刚开始做量化的时候，天真地以为随便找个通用情感词典就能搞定。结果回测下来，策略收益还不如抛硬币。后来才明白——金融文本有自己的“黑话”。今天咱们就聊聊，怎么把通用词典和金融词典结合起来，打造一把趁手的兵器。
4.1 通用情感词典：SnowNLP 的用法与局限
SnowNLP 是中文领域用得比较多的情感分析工具。它内置了一个情感词典，能直接给文本打分，0 到 1 之间，越接近 1 越正面。
用法很简单，几行代码就能跑起来：
from snownlp import SnowNLP
text = "公司业绩大幅增长，超出市场预期"
s = SnowNLP(text)
print(s.sentiments) # 输出：0.98，很正面
text2 = "股价暴跌，投资者损失惨重"
s2 = SnowNLP(text2)
print(s2.sentiments) # 输出：0.12，很负面
嗯，看起来挺像那么回事。但我在项目中遇到过一个大坑——SnowNLP 对金融领域的专业术语完全没感觉。比如“做空”这个词，在金融语境里是中性的，但 SnowNLP 会把它判为负面。再比如“减持”，明明是利空，SnowNLP 却可能因为“减”字带有“减少”的正面倾向而误判。
所以，通用词典只能当“地基”，不能直接拿来盖楼。你需要在此基础上，叠加金融领域的专业词典。
4.2 金融领域情感词典：Loughran-McDonald 的定制
Loughran-McDonald 词典（简称 LM 词典）是金融情感分析的“圣经”。它由两位教授从上市公司年报中提炼出来，专门针对金融文本。词典把词汇分成六类：正面、负面、不确定性、诉讼、强语气、弱语气。
我个人的习惯是，重点使用其中的正面和负面词表。因为对于选股策略来说，我们最关心的是“利好”还是“利空”。
LM 词典是英文的，但我们可以把它翻译并适配到中文场景。下面是我整理的一个简化版中文金融情感词典示例：
| 类别 | 示例词汇 | 权重 |
|---|---|---|
| 正面 | 增长、盈利、突破、创新高、超预期、回购 | +1 |
| 负面 | 亏损、下跌、违约、暴雷、减持、立案调查 | -1 |
| 不确定性 | 可能、或许、不确定、风险、波动 | 0（但需标记） |
| 诉讼 | 起诉、仲裁、罚款、赔偿、违规 | -1.5（加重） |
你可能会问：为什么“诉讼”类词汇的权重是 -1.5？因为我在回测中发现，涉及诉讼的新闻对股价的冲击往往比普通负面消息更大。这就是定制化的意义——根据你的策略需求调整权重。
4.3 如何构建你自己的情感词典
光靠现成的词典是不够的。我建议你按照以下步骤，构建一套属于自己的情感词典：
- 收集基础词表：从 SnowNLP、LM 词典、知网情感词典等来源，合并去重。
- 标注金融领域特有词汇：比如“放量上涨”、“缩量下跌”、“金叉”、“死叉”等。这些词通用词典里大概率没有。
- 人工校验：找 500 条财经新闻，用词典打分，然后人工检查误判的案例。我做过一次，发现“扭亏为盈”这种复合词，词典拆成“扭亏”（负面）和“为盈”（正面），结果得分接近 0，但实际是大利好。
- 迭代优化：把误判的词汇加入词典，或者调整权重。这个过程可能要重复 3-5 轮。
4.4 实战：用 Python 实现情感打分
下面是我在实际项目中用过的代码框架。它结合了 SnowNLP 和自定义金融词典：
import pandas as pd
from snownlp import SnowNLP
# 自定义金融情感词典
finance_dict = {
'正面': ['超预期', '创新高', '回购', '增持', '扭亏为盈'],
'负面': ['暴雷', '减持', '立案', '违约', 'st'],
'诉讼': ['起诉', '罚款', '赔偿']
}
def finance_sentiment(text):
# 先用 SnowNLP 打基础分
s = SnowNLP(text)
base_score = s.sentiments # 0~1
# 再用自定义词典调整
adjust = 0
for word in finance_dict['负面']:
if word in text:
adjust -= 0.2
for word in finance_dict['诉讼']:
if word in text:
adjust -= 0.3
for word in finance_dict['正面']:
if word in text:
adjust += 0.2
# 最终得分，限制在 0~1 之间
final_score = max(0, min(1, base_score + adjust))
return final_score
# 测试
news = "公司业绩超预期，但大股东计划减持"
print(finance_sentiment(news)) # 输出：0.65，中性偏正面
你看，这段代码里，“超预期”加了 0.2，“减持”减了 0.2，最终得分 0.65。如果只用 SnowNLP，它可能只看到“业绩”和“计划”这些中性词，得分在 0.5 左右。这就是定制词典的价值。
4.5 情感词典构建的整体流程
为了让你看得更清楚，我画了一张流程图，展示从原始文本到情感得分的完整链路：
这个流程看起来简单，但每一步都有坑。比如分词阶段，如果没把“超预期”作为一个整体词，就会被拆成“超”和“预期”，导致情感判断完全错误。我建议你直接用 Jieba 的精确模式，并加载自定义词典。
4.6 避坑总结
- 不要迷信通用词典：SnowNLP 在金融领域准确率不到 60%，必须叠加金融词典。
- 权重需要反复调：我一开始给所有负面词都设 -0.3，结果策略过于保守，错过了很多反弹机会。后来改成 -0.15 到 -0.25 的动态权重，效果才好。
- 注意否定词：“没有暴雷”其实是正面，但词典会匹配到“暴雷”而判为负面。需要加否定词检测逻辑。
- 定期更新词典：2023 年“量化交易”还是中性词，2024 年监管收紧后，这个词在新闻里往往带负面情绪。词典得跟上时代。
好了，情感词典这块就聊到这儿。记住，词典是死的，市场是活的。多跑回测，多调参数，你才能找到最适合自己策略的那套词典。
公众号：蓝海数据掘金营，微信 deep3321