一篇新的arXiv论文通过将金融自然语言处理（NLP）工具提取市场信号的能力与人类判断进行比较，来研究其有效性。该研究分析了2002年至2025年间与证券集体诉讼相关的超过70,500条X消息及其股票回报。研究人员发现，工具的构建效度（与人类标签的一致性）与其预测效度（预测股票回报的能力）之间的相关性，因抽样方法和分数表示方式的不同而异。虽然基准一致性表明了语义有效性，但它不能单独决定预测排名，并且在包含大量垃圾信息的语料库中，消息量本身并不能预测市场损害或和解规模。 AI
影响 这项研究突显了当前金融NLP工具的潜在局限性，表明需要更稳健的验证方法来考虑随时间推移的预测准确性。
排序理由 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: 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 →
