arXiv 2504.024292025-04cs.CE

MulFSA: 用于债券市场的多级财务情绪分析框架

MulFSA: Multi-level Financial Sentiment Analysis Framework for Bond Market

Sichuan University（四川大学）；National University of Singapore（新加坡国立大学）；Fudan University（复旦大学）

Yiwei Liu, Junbo Wang, Lei Long, Xin Li, Ruiting Ma, Yuankai Wu, Xuebin Chen

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出MulFSA框架，基于预训练语言模型和大语言模型，系统整合企业级微观情绪、行业级中观情绪和持续时间感知平滑，以建模文本影响的延迟和持续性，从而提升信用利差预测的准确性。

摘要：

现有的金融情绪分析方法由于其单层方法和对时间动态的忽视，往往无法捕捉债券市场中风险的多面性。我们提出基于预训练语言模型（PLMs）和大语言模型（LLMs）的多级金融情绪分析（MulFSA）框架，该框架系统整合企业特定的微观情绪、行业特定的中观情绪以及持续时间感知的平滑处理，以建模文本影响的延迟和持续性。将MulFSA应用于我们构建的全面的中国债券市场语料库（2013-2023，135万文本），我们提取出一个每日综合情绪指数。实证结果表明，当将情绪纳入信用利差预测时，MAE和MAPE分别减少了10.25%和11.94%，情绪变化与主要社会风险事件和企业特定危机密切相关。项目页面：https://mulfsa.github.io/.

英文摘要：

Existing financial sentiment analysis methods often fail to capture the multi-faceted nature of risk in bond markets due to their single-level approach and neglect of temporal dynamics. We propose Multi-level Financial Sentiment Analysis (MulFSA) based on pre-trained language models (PLMs) and large language models (LLMs), a novel framework that systematically integrates firm-specific micro-level sentiment, industry-specific meso-level sentiment, and duration-aware smoothing to model the latency and persistence of textual impact. Applying MulFSA to the comprehensive Chinese bond market corpus constructed by us (2013-2023, 1.35M texts), we extracted a daily composite sentiment index. Empirical results show statistically measurable improvements in credit spread forecasting when incorporating sentiment (10.25% MAE and 11.94% MAPE reduction), with sentiment shifts closely correlating with major social risk events and firm-specific crises. Project Page: https://mulfsa.github.io/.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

AI总结：

摘要：

英文摘要：

相关论文