基于大语言模型的结构化能源新闻情感抽取用于原油价格预测

《Engineering Applications of Artificial Intelligence》：Structured energy news sentiment extraction with Large Language Models for crude oil price forecasting

　　

摘要

为探究从公开文件中提取的新闻情绪对原油价格预测是否有帮助，本研究利用来自三个互补信息领域的 25,667 篇全文公开文件，包括美国能源信息署（EIA）的能源行业文件、《联邦公报》的监管文件，以及美国证券交易委员会（SEC）的企业披露文件。我们使用大语言模型（LLMs）进行分类情绪，并将每篇文件分配至原油供应链的相应环节。随后，将情绪标签在各供应链环节内进行汇总，构建环节特定的情绪特征。在评估的大语言模型中，OpenAI o3 在人工标注数据上取得了较高的情绪分类准确率。接着，我们评估了六种机器学习（ML）模型，以比较包含与不包含情绪特征的预测表现。包含情绪特征的设定带来了适度的预测误差降低，且在 2022 年之后的证据更为显著。在融合宏观经济与金融特征的 AdaBoost 设定下，下游情绪获得了最高的平均特征重要性值。四个情绪特征合计占总特征重要性的 43.8%。在经济显著性分析中，基于情绪的策略在命中率上高于买入持有和 22 日动量基准，并产生了正的净损益和正的夏普比率。然而，其净损益和夏普比率仍低于动量基准。这些结果表明，从公开文件中提取并按供应链环节分类的情绪特征为原油价格预测提供了额外的预测价值。

引言

原油价格预测始终极具挑战性，因为石油市场对地缘政治事件、供应中断以及金融状况变化反应迅速。近年来，人工智能领域的进步，特别是借助大语言模型的自然语言处理，为处理和解构非结构化文本提供了新途径。在这些系统中，OpenAI o3 采用"先思考再回答"的方法，在复杂推理、多步逻辑分析和语境理解方面表现出强大能力（Toh et al., 2025）。因此，我们将大语言模型应用于公开的能源、监管和企业文件，以考察所提取的新闻情绪是否提升了原油价格预测。通过将每篇文件对西德克萨斯中间油（WTI）价格的情绪影响及其供应链环节进行分类，我们检验结构化的文本信号是否能为原油价格提供增量预测信息。

公共卫生事件、地区冲突和气候政策干预等外部冲击近年来日益频繁，往往引发市场情绪的急剧变化。作为全球最活跃的原油基准之一，WTI 价格对国际事件、供应中断、宏观经济预期和投资者情绪高度敏感（Sahut et al., 2025, Li et al., 2021）。历史事件包括 2008 年全球金融危机（Wan et al., 2021）、2011 年欧洲主权债务危机（Conrad and Zumbach, 2016）、COVID-19 大流行（Katsafados et al., 2023）以及 2022 年俄乌冲突（Sinha et al., 2024），一再证明金融市场波动与集体情绪显著相关。新闻情绪作为市场预期的即时反映，能够通过塑造投资者感知、改变风险评估和影响短期价格动态，放大外部冲击的影响（Chi et al., 2024, Pan et al., 2024, Peress, 2014, Tetlock, 2007）。因此，从文本数据中提取和量化情绪信息，对于理解市场动态和改进原油价格预测变得越来越重要。

早期情绪测量方法主要依赖词典法（Loughran and McDonald, 2011），提供了有用的文本语气指标，但在捕捉语境含义和细微情绪表达方面存在局限。自然语言处理（NLP）技术的快速发展催生了更高级的情绪分析，研究者将监督和非监督机器学习方法相结合以提升性能（Hamilton et al., 2016, Frankel et al., 2022）。随着深度学习（DL）和预训练语言模型的兴起，金融文本挖掘进入新阶段。特别是双向Transformer编码器表示（BERT）（Devlin et al., 2019），凭借其强大的语境理解能力，已成为金融文本处理的核心骨干，广泛应用于情绪分析、事件检测和风险评级等任务。基于 BERT，大量研究提出了针对特定市场和语言环境的模型，包括 FinBERT（Huang et al., 2023）以及用于油价预测的 CrudeBERT（Kaplan et al., 2023）。最近，生成式预训练Transformer（GPT）模型在理解金融语境、处理长文档和执行精细情绪分类方面展现出强大性能（Kirtac and Germano, 2024）。近期研究进一步拓展了大语言模型在直接情绪分类之外的作用。Li et al.（2024）利用大语言模型生成的语义重建和一致性正则化，改进了从有限标注数据中的学习；而 ?míd et al.（2025）生成了用于跨语言方面级情绪分析的伪标注目标语言示例。在金融领域，Kirtac and Germano（2025）将基于 LLaMA 的新闻情绪纳入近端策略优化（PPO）组合模型，获得了比价格基准更高的回报和更低的回撤。这些研究突显了大语言模型在产生具有实用预测价值的结构化情绪信号方面的潜力。

然而，将基于大语言模型的情绪提取应用于原油价格预测，需要考虑能源市场的独特结构。与许多金融资产不同，原油价格受到供应链不同阶段信息的影响，包括上游生产、中游运输和下游消费。来自不同供应链主体的情绪冲击可能引发截然不同的市场反应。例如，上游公告，如石油输出国组织（OPEC）的生产调整，往往在期货市场引发即时且剧烈的反应（K?nzig, 2021）。跨来源汇总情绪可能会在当日发布文件传递相似或冲突信息时，掩盖经济上截然不同的信号。因此，引入供应链环节细分对于构建原油预测所需的环节特定情绪指标至关重要。

为纳入原油市场特征，本研究在新闻情绪测量中引入供应链环节识别。K?nzig（2021）利用 OPEC 公告构建石油供应新闻冲击，表明公开发布可能包含市场相关信息。因此，在本研究中，"新闻情绪"指文件发布时所传达的市场相关信息，而语料库中的文本单元称为文件。通过按供应链环节分离情绪，我们考察不同环节关联的信息是否包含对原油价格不同的预测信号。

具体而言，我们构建人工标注的文件样本以评估多个大语言模型的语义理解能力，并选择表现最优的模型作为核心分析工具。借鉴原油供应链的结构特征，我们对公开文件的全文进行环节识别，构建日度情绪时间序列，从而将非结构化文本信息转化为实证建模的结构化变量。最后，将这些情绪特征纳入机器学习模型进行原油价格预测。

本研究的贡献有三点。第一，我们通过利用先进大语言模型分析公开文件的全文，扩展了原油预测中情绪信息方面的现有研究，而以往研究通常依赖简化的文本输入或聚焦于其他金融市场（Huang et al., 2023, Kaplan et al., 2023, Luo and Gong, 2024）。第二，我们将供应链环节细分纳入情绪测量。与不区分信息经济背景而直接汇总文本情绪的方法不同，本研究识别每篇文件关联的供应链环节，并构建环节特定的情绪特征。第三，我们评估这些情绪指标是否在多个机器学习模型中改善预测，从而为情绪信息对原油价格的预测价值提供实证证据。

本文其余部分结构如下。第 2 节回顾相关文献。第 3 节描述数据与预处理流程，包括情绪时间序列的构建。第 4 节介绍预测设计与模型。第 5 节报告结果，第 6 节得出结论。

文献综述片段

本研究位于三条文献流线的交汇之处。第一条文献涉及情绪在解释金融市场价格中的作用。情绪指某实体通过特定媒介对另一实体所表现的态度倾向（Algaba et al., 2020）。在金融研究中，从文本数据中提取的情绪特征用于代表市场参与者的预期和态度，可能影响交易行为和资产价格。早期……

数据与预处理片段

按照图 1 的工作流程，我们随机选取 10% 的文本数据集进行人工标注。九个候选情绪模型在经人工标注的验证集上进行了评估。模型选择基于准则效度，即各模型预测与裁定参考标签之间的一致性。选定模型随后被用于对整个文件样本进行评分并构建日度情绪时间序列。这些情绪序列与……

特征组与情绪设定片段

解释变量被组织为四个特征组，基于三类信息：滞后 WTI 价格、滞后宏观经济与金融市场变量以及情绪时间序列。共同目标是预测当日（第 ?? 日）可获取信息下的次日 WTI 价格变动，即 ????+1=????+1?????。第 1 组仅包含滞后 WTI 价格信息。第 2 组在滞后 WTI 价格变量中加入情绪序列。第 3 组将滞后 WTI 价格信息与……

预测模型性能片段

图 6 展示了 2010 年 7 月至 2026 年 6 月 WTI 价格的季度均值和汇总情绪序列。为评估情绪的预测效用，我们实施了六种预测模型。这些模型在四个信息集下进行了评估：仅使用原油现货价格特征的基准设定；加入情绪特征的设定；加入传统宏观经济预测变量的设定；以及结合现货价格特征、宏观经济……

结论片段

本研究探讨了从能源文件中提取的情绪是否能改善原油价格预测，以及其预测价值在不同模型类别和信息集间是否存在差异。使用六种预测模型在四个特征设定下进行实证分析，得出以下主要结论。

第一，将情绪分类与原油供应链环节定位相结合，提供了一种将非结构化文件转化为日度信号的结构化方法。在……

CRediT 作者贡献声明

Jijun Kang：指导。Wenqi Li：撰写——初稿。Yiran Wei：形式分析。Yuyan Chen：数据管理。Wancheng Xu：方法论。Ziwei Xie：可视化。

资金支持

本研究由重庆市社会科学规划人才项目（编号 2021YC039）和中央高校基本科研业务费（编号 2025CDJSKPT03）资助。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报道工作的客观性。

Jijun Kang | Wenqi Li | Yiran Wei | Yuyan Chen | Wancheng Xu | Ziwei Xie
重庆大学经济与工商管理学院，中国重庆市沙正街 174 号，邮编 400044