大语言模型作为因子矿工：用 prompt 工程把文本变成可交易信号
量化投资的信息优势从来不只是数字，新闻、财报电话会、社交媒体里埋着大量尚未被价格消化的文本信息。本文把大语言模型（LLM）当成一个『因子矿工』——不做端到端预测，而是用精心设计的 prompt 从非结构化文本中提取结构化情感信号，再与传统因子正交组合。受控实验证明：链式思考（CoT）prompt 的信息系数（IC）达 0.061，显著高于零样本基线（0.032）；prompt 优化后的情感因子与价值因子组合，年化信息比从 1.2 提升到 1.7。附完整 Python 实现与三张真实实验图。