AI情感分析預測股市 提升投資應對策略｜嶺航未來
發佈時間：13:30 2025-09-23 HKT
「市場非理性，但情緒有跡可尋。」這句話或許能概括當前金融科技中迅速發展的「情感分析」（Sentiment Analysis）應用。在股市預測中，傳統分析多依賴技術指標與財報數據，如今借助人工智能（AI）與自然語言處理（NLP）技術，投資者可以從社交媒體、新聞標題、論壇言論中看透情緒波動。然而，目前相關技術在準確度上仍有其局限性。
筆者與研究團隊近期發表於《Natural Language Processing Journal》的文獻計量研究，分析了2010至2022年間223篇學術論文，旨在梳理情感分析應用於股市研究的發展趨勢、研究主題與技術演進。研究顯示，該領域正急速崛起，尤其中國、美國與印度在出版量與技術貢獻方面處於領先地位。
情感分析屬於典型的跨學科研究，融合語言學、心理學、金融學與電腦科學，並且與金融深度結合。在股市應用上，學者利用詞典法、機器學習、深度學習，甚至近年風靡全球的大型語言模型（LLM）來分析情緒，這些模型能捕捉語意上下文與情緒傾向，並將非結構化文字數據（如微博、推特、財經新聞）轉化為可供預測的指標。
在多個研究案例中，長短期記憶網絡（LSTM）與卷積神經網絡（CNN）被證實在股價預測上具有高度準確性。例如有研究將CNN分析投資者評論所產生的情緒分類後，再輸入LSTM做價格走勢預測，有效提升了預測效能並減少反應延遲。此外，FinBERT這類針對金融語境預訓練的語言模型，亦能更準確地理解財經文本中的隱含情緒與風險暗示。
延伸閱讀：「世界工廠」遷移？全球電子生產網絡重構下的博弈｜嶺航未來
情緒數據來源與應用
情緒數據主要來自3個途徑：一是社交媒體，如微博、推特、StockTwits；二是財經新聞與財報；三是投資論壇或線上討論區。這些數據經處理後，可以生成「情緒指數」，反映市場整體看好或看淡的情緒方向。這類指數已被證明能預測如標準普爾500指數、恒生指數等市場的短期走勢，亦能反映重大事件如國際關係、政策變動等對市場信心的影響。
舉例來說，有研究指，疫情期間推特上重要用戶的情緒波動與美國股市的高低波動呈顯著關聯；另有團隊則使用股民社群評論訓練出情緒模型，有效預測蘋果（AAPL）等個別股票的收市價格。這些證據證明，投資者的情緒不再是難以量化的「軟數據」，而是可經過技術捕捉、分析與預測的有效信號。
大型語言模型如LLMs的興起，標誌着情感分析進入新階段。與早期的詞典法或簡單分類器相比，LLMs具備強大語境理解與語義推理能力，可辨識新聞中微妙的情緒變化，對投資者的精準判斷至關重要。這對量化基金與智能交易系統而言，亦是嶄新的策略優勢。然而，這些模型對於「新造字」、「諷刺語氣」與「多義詞」等語言特徵仍有待進一步優化。此外，目前大多數研究未能針對不同行業、地域或股市階段進行模型微調，使得情感分析在部分情境下準確度仍有限。
公眾慎防「情緒泡沫」
情感分析雖強大，但公眾仍須保持警覺。投資者一方面應培養辨識真假消息與極端情緒等「情緒噪音」的能力，避免在社交媒體渲染下盲目跟風，應從多元數據中辨別真實趨勢；另一方面，監管機構亦應注意AI分析結果可能被不法分子操縱，如透過虛假情緒帳號製造市場假象。
筆者建議，未來的金融教育應加入情緒識別與AI模型原理的基本知識，使散戶投資者可更理性地理解「大數據背後的情緒溫度」。投資平台亦可考慮整合實時情緒雷達或風險預警系統，協助用戶了解潛在風險點。情感分析的最終目標不是「預測未來」，而是提升人們對市場情緒的理解與應對策略，協助投資者在不確定的世界中作出更有信心的決策。
本欄歡迎院校學者投稿，分享個人學術見解及研究成果，1400字為限，查詢及投稿請電郵︰[email protected]。
文：嶺南大學數據科學學院副院長謝浩然、嶺南大學數據科學學院助理教授李宗禧
