arXiv cs.CL· Kevin Foley, Jonathan Hartadi, Shivesh Prakash, Charishma Takkallapalli, Swapnil Vatsal·· 11 小时前AI 评分24
NoLBERT 新闻主题与股票收益横截面：用 1976-1995 年文本预训练避免回测后视偏差
Reading the News Without Hindsight: NoLBERT Topics and the Cross-Section of Stock Returns
AI 导读
研究者用仅在 1976-1995 年文本上预训练的编码器 NoLBERT 构建新闻主题，经对比学习微调成句编码器，并与 LDA、MiniLM、FinBERT 在 2012-2024 年 126 万篇文章上对比预测美股 1000 大股票收益。
正文 · AI 翻译
摘要：读取财经新闻的语言模型通常使用与测试年份相同的文本进行训练，因此回测可能会奖励事后之明。我们使用 NoLBERT 构建新闻主题，该编码器仅基于 1976 年至 1995 年间发表的文本进行预训练，并通过在同一文章段落上进行对比微调而适配为句子编码器，不使用标签或收益数据。我们在 2012 年至 2024 年的 126 万篇文章上将其与 LDA、MiniLM 和 FinBERT 读取器进行比较，将每个读取器的主题转换为注意力冲击和股票暴露，并使用八种模型在三种再平衡频率下预测美国市值最大的 1,000 只股票的收益。模型在 2013-2019 年拟合，在 2020-2021 年进行选择，2022-2024 年作为留出集。验证得分最佳的实验在每个频率上都亏损。以过去 63 个交易日而非 5 个交易日来衡量注意力冲击，会提高每个读取器的测试秩 IC。NoLBERT 给出最稳定的主题，预测效果与 LDA 大致相当。所有读取器和模型的等权组合获得 1.12 的月度净夏普比率，在未针对搜索进行调整前显著异于零，但相对于仅价格基准并不显著。
| 学科： | 统计金融（q-fin.ST）；计算与语言（cs.CL）；机器学习（cs.LG）；投资组合管理（q-fin.PM） |
| 引用为： | arXiv:2610.22745 [q-fin.ST] |
| （或 arXiv:2610.22745v1 [q-fin.ST] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22745 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shivesh Prakash [查看电子邮件]
[v1]
2026年10月15日星期四 23:27:49 UTC（355 KB）
来源：arXiv cs.CL · arxiv.org