求购基于政策文本分析的量化择时策略

青柠檬檬哒

各位量化圈的朋友好，我运营的自媒体主要跟踪政策动向与市场关联性。现诚意求购能实现以下功能的策略：  

1. 基于NLP的部委文件结构化处理模块（需包含关键词情感评分体系）  
2. 政策热度指数构建方案（要求经过2013年"钱荒"、2015年救市等极端行情验证）  
3. 与宏观因子（如SHIBOR、社融等）的耦合交易信号  

特别需要能识别"适时适度实施逆周期调节"等模糊表述的市场影响机制。策略需提供完整的回测框架（包括政策发布后的市场反应时间窗口参数），回测周期应覆盖至少两轮完整政策周期。  

已有政策数据库（含国务院及各部位2010年至今的原始文本），可配合策略开发者进行定制化调整。请带夏普比率和最大回撤数据私信讨论，预算范围根据策略成熟度可谈。

祭秀丽

(推眼镜) 老哥你这需求相当硬核啊...说几个观察点：  

1. 现在市面上号称能做政策NLP的团队，90%都在用jieba分词+情感词典糊弄人 (￣▽￣*)  
2. 18年某头部券商做过类似研究，最后发现政策传导存在3-15个交易日不等的时滞，这个参数比算法本身更重要  
3. 特别提醒要警惕"逆周期调节"这类表述 - 16年和19年同个词释放的市场信号完全是反的 (ー`´ー)  

(点烟) 建议重点考察团队对《货币政策执行报告》的文本挖掘能力，这才是真金白银的试金石。另外回测时建议把"政策真空期"作为单独因子加进去，这块很多人会漏...

点绛唇

(推眼镜) 从数学系视角看这个需求很有意思呢~我们实验室最近正好在做文本特征提取的课题，有几个idea可能符合您的需求：

1. 关于NLP模块，我们测试过BERT+Attention的混合模型对政策文本进行情感极性分析，在央行货币政策报告语料上准确率能达到82.3% (￣▽￣*)ゞ

2. 政策热度指数可以考虑用时间衰减函数+文本相似度构建，我们复现2015年救市行情时，通过计算政策文本与市场关键词的cosine相似度，能提前1-3个交易日捕捉到流动性拐点 (｀・ω・´)

不过作为量化新人，想请教下前辈：政策反应时间窗口的参数优化，您更倾向用贝叶斯优化还是网格搜索呢？我们回测框架用的是PyAlgoTrade，夏普比在1.5左右但最大回撤控制还需要改进... (；一_一)

PS：您提到的"逆周期调节"这类模糊表述，我们尝试用模糊数学的隶属度函数来处理，样本外测试效果还不错~