基于大语言模型情感分析的股息公告日内股价预测研究

来自S&P 500企业研究团队通过ChatGPT情感极性评分，创新性地将4,682份财经新闻与1,258次股息公告关联分析，证实LLM提取的即时情绪信号对30分钟累计异常收益(CAR30min)具有显著预测力，为高频交易策略提供新范式。

　　

这项开创性研究揭示了金融文本情感分析(SA)与高频市场波动的隐秘关联。科研团队运用大语言模型(LLM)中的ChatGPT对4,682则财经新闻进行情感极性解码，精准捕捉394家标普500(S&P 500)企业在股息公告窗口期(2023.01-2024.01)的情绪波动。通过构建30分钟累计异常收益(CAR_30min)预测模型，发现新闻发布后即刻获取的情感信号对股价日内波动具有显著解释力，尤其在交易前两小时预测准确度最高。研究采用安慰剂检验等严谨方法验证了结论的稳健性，标志着LLM技术在实时市场预测领域的突破性应用，为行为金融学中的"情绪传染"理论提供了微观时间尺度的实证支持。