English(EN) Reading the News Without Hindsight: NoLBERT Topics and the Cross-Section of Stock Returns

基于历史新闻训练的NoLBERT模型旨在减少股市预测偏差

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-19 04:00

研究人员开发了NoLBERT，一个在1976-1995年历史财经新闻上训练的语言模型，以减轻股市预测中的事后偏见。他们使用2012-2024年超过一百万篇文章，将NoLBERT的主题与LDA、MiniLM和FinBERT的主题进行了比较。虽然单个模型在预测股票回报方面取得的成功有限，但所有阅读器和模型的集成模型达到了1.12的显著月度夏普比率。 AI

影响这项研究探索了通过解决训练数据中固有的偏差来提高AI模型在金融预测中可靠性的方法。

排序理由该集群是关于一篇详细介绍新模型及其在金融研究中应用的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群是关于一篇详细介绍新模型及其在金融研究中应用的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Kevin Foley, Jonathan Hartadi, Shivesh Prakash, Charishma Takkallapalli, Swapnil Vatsal · 2026-10-19 04:00

无事后诸葛亮式阅读新闻：NoLBERT 主题与股票收益的横截面

arXiv:2610.22745v1 Announce Type: cross Abstract: Language models that read financial news are usually trained on text from the same years used to test them, so a backtest can reward hindsight. We build news topics from NoLBERT, an encoder pretrained only on text published betwee…

本文如何被排名

报道来源 [1]

无事后诸葛亮式阅读新闻：NoLBERT 主题与股票收益的横截面

相关实体

相关话题