该文章核心是构建了一个结合大型语言模型（FinGPT）与强化学习（TD3）的情感驱动量化交易系统，通过对比规则式和强化学习两种信号整合方式，验证了情感信号的价值及强化学习在动态交易环境中的优势。一、文章主要内容总结研究目标验证FinGPT生成的情感信号对股票收益是否具备显著预测能力。评估情感信号能否增强基于传统技术指标的交易策略。检验强化学习（TD3算法）是否为整合情感与技术信号的有效方法。数据与技术框架数据：选取2018-2025年标普500指数中44只新闻覆盖活跃的股票，数据包括汤森路透的新闻文本、CRSP和彭博的股价成交量数据，2024-2025年数据用于样本外测试。情感信号生成：用LLaMA 3.1 8B总结新闻文本，再通过FinGPT将总结结果分为积极、中性、消极三类，并生成置信度得分作为情感信号。技术指标：计算RSI（相对强弱指数）、VWAP（成交量加权平均价）、MACD（指数平滑异同平均线）、Garman-Klass波动率等，经Z-score标准化后形成技术信号。策略构建：一是规则式策略，通过线性加权情感与技术信号生成组合信号，按信号排序构建多空组合；二是强化学习策略，采用TD3算法，以情感信号、技术指标、历史收益等为输入，构建Po