在不依赖事后信息的情况下阅读新闻：NoLBERT主题与股票收益的横截面

arXiv:2610.22745v1 公告类型：cross 摘要：用于阅读财经新闻的语言模型通常使用与测试年份相同年份的文本进行训练，因此回测可能会获得事后信息带来的优势。我们基于 NoLBERT 构建新闻主题。NoLBERT 仅使用1976年至1995年间发布的文本进行预训练，随后通过在同一篇文章的不同段落上进行对比微调，将其改造为句子编码器，过程中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 阅读器进行比较，把每个阅读器生成的主题转换为注意力冲击和股票敞口，并使用三种再平衡频率下的八个模型，预测美国市值最大的1000只股票的收益。模型使用2013年至2019年的数据拟合，在2020年至2021年进行选择，并将2022年至2024年作为留出期。验证得分最高的实验在每种频率下都出现亏损。与过去5个交易日相比，使用过去63个交易日来衡量注意力冲击，提高了每个阅读器在测试集上的 rank IC。NoLBERT 生成的主题最稳定，其预测表现与 LDA 大致相当。将所有阅读器和模型等权重结合后，月度净夏普比率达到1.12；在针对搜索过程进行调整之前，该结果显著异于零，但相对于仅基于价格的基准并不显著。