2025年，上海财经大学项目团队引入大语言模型（LLM），构建了一套从多平台文本中提取金融情绪指标并用于股价预测的完整分析框架。
项目系统爬取并清洗整合了微博、知乎、东方财富股吧等五个主流平台历时169天超过3.8万条有效数据。通过精细的提示词工程，调用DeepSeek-V3模型进行情感评分，并设计了基于“帖子-评论”加权与“情绪贡献度”权重的双层聚合模型，构建了稳健的日度情绪分数。经抽样验证，该方案在金融语境下具有较高的有效性。
在预测模型中，项目将情绪分数与多维度市场因子结合，基于TPA-LSTM模型对贵州茅台收盘价进行实证分析。研究结果显示，情绪指标对股价预测存在显著的滞后效应，滞后期约9-10天。此外发现，不同来源的情绪具有互补性：东方财富的“理性情绪”更利于提升预测精度，而微博的“大众情绪”则对提升预测方向准确性贡献更大，二者融合可实现综合最优。
本项目验证了基于LLM的情绪分析在量化投资中的可行性，形成了一套可复现的技术流程。研究成果不仅为行为金融学提供了新的分析工具，其揭示的情绪源异质性也为构建更稳健的预测模型指明了方向，具备良好的学术价值与金融应用前景。
