BondBERT: 我们从什么时候给债券市场分配情感意义上学到什么
计算金融
2026-03-24 v2 机器学习
摘要
债券市场对宏观经济新闻的反应不同于股票市场，但大多数情感模型主要在通用金融或股票新闻数据上训练。然而，债券价格往往与经济乐观主义相反，通用或基于股票的情感工具可能导致误导。我们引入 BondBERT，这是一个在债券专用新闻上微调的 transformer 模型。BondBERT 可作为金融决策支持代理的感知和推理组件，提供能够与预测模型集成的情感信号。我们提出了一种通用框架，用于适应低波动、领域逆向情感任务，通过编译和清理 30,000 篇 UK 债券市场文章（2018-2025）。将 BondBERT 的情感预测与 FinBERT、FinGPT 和 Instruct-FinGPT 进行比较，使用事件相关性、上/下准确率分析和 LSTM 预测，对十只 UK 主权债券进行评估。我们发现 BondBERT 持续产生与债券回报正相关，净实现更高的对齐和预测准确率，优于三个基线模型。这些结果表明，领域特定的情感适应更好地捕捉固定收益市场的动态，弥合了 NLP 进步与债券市场分析之间的鸿沟。
引用
@article{arxiv.2511.01869,
title = {BondBERT: What we learn when assigning sentiment in the bond market},
author = {Toby Barter and Zheng Gao and Eva Christodoulaki and Jing Chen and John Cartlidge},
journal= {arXiv preprint arXiv:2511.01869},
year = {2026}
}
备注
8 pages, 3 figures, author manuscript accepted for ICAART 2026: 18th International Conference on Agents and Artificial Intelligence, Mar. 2026, Marbella, Spain