LLM政策新闻信号的Alpha检验与行业轮动预测

本项目利用大语言模型（DeepSeek）对CCTV新闻联播进行结构化情绪分析，提取政策信号因子，与传统量价因子融合后，基于LightGBM进行沪深300涨跌预测及申万一级行业轮动策略构建。

一键运行

所有数据（行情、新闻、LLM分析结果）已预计算并随项目提供，无需任何API密钥即可直接运行全部实验：

# 1. 安装依赖
pip install -e .

# 2. 运行完整实验流程（建模 + 回测 + 可视化，约3-5分钟）
python main.py

运行完成后：

• output/ 目录下生成全部图表（PNG）和结果表格（CSV）
• output/run.log 为完整运行日志

分步执行

python main.py --step model     # 仅特征工程 + 模型训练 + 多周期对比
python main.py --step backtest  # 仅回归评估 + 投资组合回测
python main.py --step plot      # 仅生成可视化图表
python main.py --step deep      # 运行深度因果分析（情绪反向指标机制探究）
python main.py --step all       # 完整流程（默认）

关于LLM新闻分析模块

src/llm_analyzer.py 为大语言模型新闻解析模块，调用DeepSeek API对每日CCTV新闻联播进行结构化分析，提取市场情绪评分、新闻分类、受影响行业及信号强度。

该模块需要DeepSeek API Key，无法直接执行。 全量运行结果已预计算并保存在以下文件中：

文件	说明
data/analyzed_news.csv	每条新闻的LLM分析结果（情绪评分、分类、行业信号）
data/daily_signals.csv	按交易日聚合的日频LLM信号（加权情绪、正负计数等）
cache/llm_results.json	LLM原始返回结果缓存

如需重新运行LLM分析：

# 1. 复制并填写API密钥
cp .env.example .env
# 编辑 .env，填入 DEEPSEEK_API_KEY=sk-xxx

# 2. 运行LLM分析
python main.py --step analyze

环境要求

• Python >= 3.10
• 依赖列表见 pyproject.toml

主要依赖：pandas, numpy, lightgbm, scikit-learn, scipy, matplotlib, seaborn, openai, python-dotenv

项目结构

llm-market-predictor/
├── main.py                  # 主入口：一键运行全部实验
├── pyproject.toml           # 项目配置与依赖
├── .env.example             # 环境变量模板（仅LLM分析需要）
│
├── src/                     # 源代码
│   ├── config.py            # 全局配置（路径、参数）
│   ├── taxonomy.py          # 新闻分类体系、行业映射、信号强度定义
│   ├── prompts.py           # LLM Prompt模板
│   ├── llm_analyzer.py      # 大语言模型新闻分析（需API Key）
│   ├── features.py          # 特征工程（54维量价因子 + LLM信号特征）
│   ├── model.py             # LightGBM分类模型训练与评估
│   ├── backtest.py          # 回归评估 + 投资组合回测
│   ├── visualize.py         # 可视化图表生成
│   └── deep_analysis.py     # 深度因果分析（情绪反向指标机制）
│
├── data/                    # 预计算数据（随项目提供）
│   ├── cctv_news.csv        # CCTV新闻联播原始数据（2023.05-2026.05）
│   ├── analyzed_news.csv    # LLM分析结果
│   ├── daily_signals.csv    # 日频LLM信号
│   ├── csi300_daily.csv     # 沪深300指数日线
│   ├── sw_industry_daily.csv # 28个申万一级行业指数日线
│   ├── northbound.csv       # 北向资金每日净流入
│   ├── margin.csv           # 全市场融资融券余额
│   ├── market_breadth.csv   # 市场广度（涨跌家数）
│   ├── shibor.csv           # Shibor银行间利率
│   ├── index_futures.csv    # 沪深300股指期货
│   ├── csi500_daily.csv     # 中证500指数（基准对比用）
│   └── star50_daily.csv     # 科创50指数（基准对比用）
│
├── cache/                   # LLM缓存
│   └── llm_results.json     # DeepSeek API返回结果缓存
│
└── output/                  # 实验输出（运行后生成）
    ├── *.csv                # 结果表格
    ├── *.png                # 可视化图表
    └── analysis/            # 深度分析图表

实验设计

1. 数据来源

• 新闻数据：CCTV新闻联播（2023年5月-2026年5月），约3年共计数万条
• 行情数据：沪深300指数、28个申万一级行业指数日线
• 辅助数据：北向资金、融资融券、市场广度、Shibor利率、股指期货基差

2. LLM分析流程

利用DeepSeek大语言模型对每条新闻进行结构化分析，输出：

• 市场情绪评分（-5到+5整数刻度）
• 新闻主题分类（11个一级分类）
• 受影响行业及信号强度
• 影响时间窗口和置信度

3. 特征工程

• 量化因子（54维）：动量、技术指标、波动率、成交量、资金流、市场广度、宏观流动性
• LLM信号特征（13维）：日均情绪、情绪动量、正负新闻比、行业信号等
• 交叉特征：情绪×动量、情绪×波动率等
• IC检验筛选：仅保留Rank IC显著（p<0.05）的LLM因子进入融合模型

4. 模型对比（四组）

模型	特征
Baseline	纯量化因子
LLM-only	纯LLM信号
Fusion	量化因子 + IC筛选后LLM因子 + 交叉特征
Ensemble	Baseline与Fusion的预测加权融合

评估方式：Walk-Forward交叉验证（5折），指标包括AUC-ROC、Rank IC、ICIR、五分组多空收益

5. 回测框架

• 市场择时策略：预测收益>0做多，否则持有现金
• 行业轮动策略：截面预测排序，多Top5空Bottom5
• 双成本情景：低成本（千1.5）/ 高成本（千3）
• 基准对比：沪深300、中证500、科创50买入持有