标签： #文本因子

词典法只能抓字面褒贬词，读不懂「营收不及预期但指引超预期」这种反转。FinBERT 是在金融语料上继续预训练的 BERT，三分类（positive/negative/neutral）直接输出概率，对否定、语境、金融术语的还原力远超朴素词典法。本文用合成截面实跑：FinBERT 与「真实隐藏信号」的相关系数 0.92，碾压词典法的 0.45；按情绪分做多空组合净 Sharpe 约 2.8、年化 22%。附完整 Python 与六类真实陷阱（高阶）。

LLM 嵌入把新闻与公告等金融文本压成稠密向量，是连接文本与截面模型的桥。本文用可复现模拟讲清无监督 PCA 几乎挖不出信号、监督映射才能把收益方向对齐出来，并点明嵌入漂移、前视偏差与维度灾难三大真实陷阱，附落地 pipeline 与完整 Python。