DisclosureBeta

新理论利用LLM在价格数据稀缺时估算公司风险

研究人员开发了一个名为DisclosureBeta的新理论框架，用于在历史价格数据有限的情况下估算公司的beta值（衡量其对市场风险的敏感度）。该方法将大型语言模型（LLM）建模为公司风险特征的噪声测量通道，并将此噪声纳入资产定价误差预算。该理论提供了一种识别和一致估算模型条件下的载荷的方法，为估算精度提供了下限，该下限考虑了不可避免的披露噪声和错误分类项。提出了一种文本和滚动窗口估计器的自适应组合，该组合根据价格历史的质量和长度动态调整其权重。