李管春做量化的人多半听过一句话：新闻里的信息早就反映在价格里了。可真正把新闻流接进数据库、跑完几轮事件研究之后，我的第一反应已经从“果然有效市场”变成了“为什么残留的定价错误还有这么多”。这套 Sentiment & News Alphas 系列里，第 1 章更多是处理情绪数据的整体框架，告诉你怎么把论坛情绪和新闻情绪分开看待；第 3 章会讲多因子组合层面的合成。而这一章，我想完整展开中间最容易被做成“黑盒”的部分——新闻 Alpha 的信号产生逻辑、文本工程、回测陷阱和执行细节。
我不打算把文章写成产品说明书，也不会给你一套“照着跑就能赚钱”的模板。能稳定赚钱的新闻策略，靠的是对数据生成过程和交易摩擦的持续理解，而不是某个情绪得分阈值。这篇文章适合已经做过基础量价因子、正准备往文本数据方向延伸的同行；也适合那些明明拿到新闻数据，却总觉得信号一实盘就失效的团队。下面这些内容，都是我实际调过数据、跑过回测、被滑点教育过之后沉淀下来的思路。
1. 新闻Alpha的产生逻辑：价格缺口来自注意力与解读的“迟到”
1.1 市场吸收信息的节奏并不像教科书写的那样快
有效市场假说里有个很方便的假设：信息一旦公开，价格会瞬间调整到位。真实情况完全不是这样。你把一条财报新闻推送出去之后，市场参与者需要时间做三件事：看到新闻、理解新闻、判断新闻与其他信息的关联。这三件事每一步都有摩擦。尤其是当一个交易日同时有几百条上市公司动态时，绝大多数新闻根本没有获得足够的注意力，更不用说被完整定价了。
从量化角度看，这种“注意力不足”恰恰是 Alpha 的来源。新闻 Alpha 的本质不是猜对利好利空，而是抓住“价格需要一段时间才能充分反映新信息”的窗口。这个窗口有时候只有几分钟，有时候能持续几天，取决于新闻类型、公告复杂度和当时市场情绪环境。很多人把新闻策略理解成抢快，觉得只要比别人早一秒拿到新闻就能赚钱。抢快确实是一种流派，但它只适用于少数标准化公告；更大的机会藏在那些需要认真解读、市场一时半会儿反应不过来的公告里。
1.2 新闻 Alpha 的三种真实来源
我习惯把新闻 Alpha 拆成三类来看，这样拆完，策略设计才不会眉毛胡子一把抓。
速度型 Alpha。消息发布后，如果价格还没完成调整，你比其他人更快地执行交易，就能赚到定价滞后的钱。这个窗口可能短到几十秒，尤其是那些有明确数值、能被机器直接读取的公告，比如财报营收、利润、分红方案。赚这类钱需要低延迟数据流和高速执行通道，普通散户和中小机构很难持续占优。
解读型 Alpha。新闻发布后，市场能看懂方向，但对幅度和持续性的判断会产生分歧。比如一家公司公告收购另一家公司，表面是利好，但收购价格是否合理、整合风险有多高、会不会引发增发摊薄，这些都需要交叉验证。如果模型能快速解析公告中的细粒度条款，同时结合历史可比交易的概率分布，就可以在情绪反应过度或不足时介入。这类 Alpha 的窗口比速度型长，从几分钟到几天都有。
被忽视型 Alpha。大量新闻会在发布当天根本没引起价格波动，不是因为信息不重要，而是因为市场注意力被其他热点事件吸走了。过两天资金重新关注到它时，价格才慢半拍地开始调整。这种延迟反应很难用单一事件研究捕捉，往往要靠群体层面的异象来体现。比如把一段时期内所有“低媒体报道量但高意外度”的新闻聚合在一起，统计上就能看到显著的后置漂移。
1.3 用概率框架而不是单次预测去理解新闻
单独看一条新闻，预测正确率可能只有 55%，这已经很了不起了。但在一百条新闻样本里，55% 的正确率完全足以构建正期望的策略，前提是你必须控制好单次下注金额和止损规则。很多团队在新闻策略上亏钱，不是因为模型不准，而是因为把单次预测当成确定性事件来交易。我习惯把新闻 Alpha 看作一个概率系统：信号触发后，统计上正期望大于负期望，但具体到某一次交易，亏损永远可能发生。抱着这种心态去设计仓位和止损，策略才可能活下去。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。