bardsai/finance-sentiment-zh-base
✨ 基于BERT的中文金融文本情感分类模型,可判断财经新闻、公告的正负面倾向
🧭 AI 判断
仅供研究中文金融情感BERT模型,下载量低且维护不明,需自行验证效果
中文金融文本情感分析BERT模型,可直接用于新闻舆情因子构建
📊 综合评分
📖 工具介绍
一款基于 BERT 架构的中文金融情感分析模型，由 bardsai 发布于 Hugging Face。它通过 text-classification 任务对财经文本进行情感倾向判断，支持 transformers、PyTorch 和 safetensors 格式。适合量化研究员、金融数据分析师等需要对中文新闻、公告等文本做情绪因子提取的用户使用。
text-classification · transformers, pytorch, safetensors, bert, text-classification, financial-sentiment-analysis
⚖️ 同类对比
| 维度 | finance-sentiment-zh-base | quantstats | jquantstats | machine-learning-for-trading |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 仅供研究 | 推荐 |
| 热度 | 4.3k | 7.6k | 43 | 20.7k |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 策略研究 / 数据分析 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 简单 | 简单 | 简单 | 中等 |
| 活跃度 | 中 | 高 | 低 | 高 |
💡 新手优先 quantstats(上手简单);要生态成熟选 machine-learning-for-trading(20
🧩 更多同类工具
一款基于 Python 的量化投资组合分析库，可计算 Sharpe Ratio、Sortino Ratio、最大回撤等各类绩效与风险指标，并支持生成可视化报告。适合量化研究员和交易者用于评估策略回测结果与组合表现。
一款基于 Python 的量化绩效分析工具，是 quantstats 的现代化改进版本，在保留原有功能的基础上增加了新特性并优化了性能。它可用于计算和可视化投资组合的各类风险与收益指标，适合需要快速生成策略分析报告的量化研究员和交易者使用。
一款基于 Python 的机器学习量化交易开源项目，配套《Machine Learning for Algorithmic Trading》一书，提供全书代码与相关资源。内容涵盖特征工程、模型构建与回测等环节，适合希望将 machine learning 方法应用于算法交易的学习者和研究者参考使用。
这是由 bardsai 发布在 Hugging Face 上的金融情感分析模型,基于 BERT 架构,针对日语金融文本进行 text-classification 训练,支持 transformers、PyTorch 和 safetensors 格式。它可对日语财经新闻、报告等文本进行情感倾向判断,适合需要处理日语另类数据(如新闻情绪因子)的量化研究员和 NLP 开发者使用。
一个基于 Python 的金融函数库，提供收益率计算、绩效分析、风险指标评估等常用量化分析功能，并支持与 pandas 无缝配合处理金融时间序列数据。适合从事量化研究、投资组合分析的开发者和分析师使用。
一款面向西班牙语金融文本的情感分析模型，基于 BERT 架构，以 transformers 和 PyTorch 格式发布。它能对财经新闻、报告等文本进行情感分类，支持 safetensors 格式加载。适合需要处理西班牙语金融舆情、市场情绪数据的量化研究员和开发者使用。