近年来,中国经济保持了持续稳定增长的态势,带动国内资本市场蓬勃发展。党的十四五规划明确提出“双循环”战略,并全面支持科创板与注册制改革的落地,为国内资本市场注入新的活力。伴随国内资本市场不断的成熟发展,投资者也在投资过程中不断追求超额收益,量价时空等传统信息已不再能满足部分投资者的需求,为得到传统信息以外的信息增量,金融文本这种另类信息逐渐走进投资者的视野,并应用于量化投资领域,同时使文本信息的各种监督式、半监督式和非监督式情感研究具有了广泛的应用价值。而目前现有的监督式、半监督式和非监督式文本情感分析模型都具有主观性强、计算过程黑箱化、运算速度慢或结果不稳定等缺点,因此使用更加先进的文本分析模型所构造的交易策略必将为投资者带来一份可观的收益。SESTM模型(Sentiment Extraction via Screening and Topic Modeling)是一种新型的文本分析模型,其根据金融文本发布后一段时间内的收益率作为金融文本的情绪标签,应用统计学方法对文本信息进行建模,通过筛选情绪激动词、情绪激动词打分等步骤构造专属于金融文本样本的词典,并根据词典对样本外的金融文本进行情绪打分,进而构造投资策略。SESTM模型利用金融文本发布后自带收益率这一天然标签,摆脱了传统监督式学习模型和半监督式学习模型主观性强的缺点,以及非监督式学习模型计算过程黑箱化的缺点,同时其占用内存小、计算速度快的特点更加适合应用于文本量化交易策略当中。本文将SESTM模型应用于中国证券市场,通过对中国上市公司公告的情感分析构造相应的交易策略,并在原始SESTM模型的基础上,将公司公告类型对于文本情感的影响考虑在内,对模型进行优化,进行策略回测并对模型与策略收益进行比较。本文使用2016年1月1日至2019年12月31日沪深300指数成分股公司公告作为样本,拆分训练集与测试集,使用SESTM模型构造公司公告的情感词典,并对测试集公告样本进行打分,采用每日买入分数最高的10个公司公告所对应股票的策略构造资产组合,回测期内年化收益率为43.07%,同期沪深300指数年化收益为18.92%。此外,为充分挖掘公司公告类型对股票价格的影响,将公司公告分为财务报告、重大事项(正面)、公司决议、重大事件(负面)、资产重组、一般公告、其他公告共七类,构造每一类公司公告的情感倾向的量化分数,对原始SESTM模型的打分结果进行补充,修正SESTM模型文本量化策略在回测期内年化收益率为56.72%,相较于原始SESTM模型构造的策略有明显提升。最后在全文的基础上对以上交易策略进行了总结和展望。