基于词嵌入模型的主题投资数据驱动框架：跨部门关系与价值链互动评估

《IEEE Access》：A Data-Driven Framework for Thematic Investment Using Word Embedding Models

　　本研究提出并实证验证了一个基于词嵌入模型的主题投资数据驱动框架。传统的行业分类体系和专家驱动方法往往无法捕捉现代投资主题所特有的跨部门关系和价值链互动。该框架使用美国股市数据（2019年12月31日至2026年6月30日）对四个代表性主题进行评估：人工智能、云计算、半导体和医疗保健。它整合了十七种嵌入模型，从词袋模型、词频-逆文档频率、词向量表示和潜在语义索引等简单模型，到先进的神经网络和基于API的模型。所有模型都在数据收集、文本嵌入、相似度计算和实证验证的统一框架下进行评估。检索性能使用精确率、召回率、F1分数、平均倒数排名、平均精度均值和归一化折损累计增益进行评估。组合绩效使用年化收益率、波动率、夏普比率、索提诺比率、信息比率和最大回撤进行评估。实验结果表明，简单嵌入方法在精确率和排序质量上与复杂嵌入模型相当或更优，而所需的计算量却大大减少。这一模式反映了财务披露文本简洁且以关键词为导向的特点。检索结果已针对随机性、替代解释和设计依赖性进行了验证。在控制市场暴露后，组合收益与检索结果方向一致。该框架强调可解释性、高效性和可复现性，为主题交易所交易基金分析和自动化组合构建提供了实用基础。