NoLBERT消除后见之明偏差预测美股收益
热点事件持续更新
NoLBERT消除后见之明偏差预测美股收益
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月19日，arXiv发布论文，指出金融新闻语言模型常因训练数据覆盖测试年份而产生后见之明偏差。研究者Kevin Foley等人构建NoLBERT，该模型仅基于1976至1995年文本预训练，并通过对比微调生成新闻主题，全程未使用标签或收益数据。 该模型在2013至2019年拟合，2020至2021年选择，2022至2024年留出测试，覆盖2012至2024年126万篇新闻。结果显示，NoLBERT预测精度与LDA相当，但在各调仓频率下最优模型均亏损，等权组合月净Sharpe比率为1.12。 该研究验证了无标签新闻特征在量化金融中的适用性，虽未显著跑赢纯价格基准，但提供了消除回测偏差的新方法。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
NoLBERT 新闻主题提取与股票横截面收益预测研究报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · NLPNoLBERT 新闻主题提取与股票横截面收益预测研究
研究者构建仅基于 1976 至 1995 年文本预训练的 NoLBERT，通过对比微调生成新闻主题，以消除回测中的后见之明偏差。 该模型在 2012 至 2024 年间 126 万篇新闻上表现稳定，预测精度与 LDA 相当，但在各调仓频率下最优模型均亏损，等权组合月净 Sharpe 比率为 1.12。 此方法验证了无标签新闻特征在量化金融中的适用性，尽管未显著跑赢纯价格基准。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。