一篇新的研究论文探讨了大型语言模型（LLMs）识别“影子交易”目标的潜力。“影子交易”是一种新颖的内幕交易责任理论，涉及基于一家公司经济关联公司的重大非公开信息，交易另一家同行公司的证券。该研究将一个两阶段的LLM流程应用于美国证券交易委员会的10-K文件，以评估公司之间的语义相似性，并将其与股票回报相关联。虽然该流程在SEC诉Panuwat案中成功地将Incyte识别为紧密的同行，但对30起并购事件的更广泛分析发现，语义相似性与异常股票回报之间没有显著关联，这质疑了影子交易执法的经验基础。 AI
影响 这项研究表明，当前的自然语言处理模型可能不足以识别与内幕交易执法相关的复杂金融关系。
排序理由 关于将自然语言处理/大型语言模型应用于法律/监管理论的学术论文。[lever_c_research降级：ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
