論文の概要: THEME : Enhancing Thematic Investing with Semantic Stock Representations and Temporal Dynamics

• arxiv url: http://arxiv.org/abs/2508.16936v1
• Date: Sat, 23 Aug 2025 08:05:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.262106
• Title: THEME : Enhancing Thematic Investing with Semantic Stock Representations and Temporal Dynamics
• Title（参考訳）: テーマ : セマンティックストック表現とテンポラルダイナミクスによるテーマ投資の促進
• Authors: Hoyoung Lee, Wonbin Ahn, Suhwan Park, Jaehoon Lee, Minjae Kim, Sungdong Yoo, Taeyoon Lim, Woohyung Lim, Yongjae Lee,
• Abstract要約: テーマ投資は、構造的トレンドに沿ったポートフォリオを構築することを目的としています。 textscTHEMEは、複雑な投資テーマをナビゲートするためのスケーラブルで適応的なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 30.94860968271092
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thematic investing aims to construct portfolios aligned with structural trends, yet selecting relevant stocks remains challenging due to overlapping sector boundaries and evolving market dynamics. To address this challenge, we construct the Thematic Representation Set (TRS), an extended dataset that begins with real-world thematic ETFs and expands upon them by incorporating industry classifications and financial news to overcome their coverage limitations. The final dataset contains both the explicit mapping of themes to their constituent stocks and the rich textual profiles for each. Building on this dataset, we introduce \textsc{THEME}, a hierarchical contrastive learning framework. By representing the textual profiles of themes and stocks as embeddings, \textsc{THEME} first leverages their hierarchical relationship to achieve semantic alignment. Subsequently, it refines these semantic embeddings through a temporal refinement stage that incorporates individual stock returns. The final stock representations are designed for effective retrieval of thematically aligned assets with strong return potential. Empirical results show that \textsc{THEME} outperforms strong baselines across multiple retrieval metrics and significantly improves performance in portfolio construction. By jointly modeling thematic relationships from text and market dynamics from returns, \textsc{THEME} provides a scalable and adaptive solution for navigating complex investment themes.
• Abstract（参考訳）: セマティック・インベストメント(Thematic Investment)は、構造的トレンドに沿ったポートフォリオを構築することを目的としているが、セクター境界の重複と市場のダイナミクスの進化により、関連株の選択は難しいままである。 この課題に対処するため,実世界のセマンティックETFから始まる拡張データセットであるThematic Representation Set(TRS)を構築し,業界分類と金融ニュースを取り入れて,その範囲の制限を克服する。 最終データセットには、テーマを構成要素のストックに明示的にマッピングすることと、それぞれにリッチなテキストプロファイルの両方が含まれている。 このデータセットに基づいて,階層的なコントラスト学習フレームワークである‘textsc{THEME}’を導入する。 テーマとストックのテキストプロファイルを埋め込みとして表現することで、 \textsc{THEME} はその階層的関係を利用してセマンティックアライメントを実現する。 その後、個々のストックリターンを組み込んだ時間的改善段階を通じて、これらのセマンティック埋め込みを洗練する。 最終的な株価表象は、強いリターンポテンシャルを持つ数学的に整列した資産を効果的に回収するために設計されている。 実験の結果, <textsc{THEME} は複数の検索指標で高いベースラインを達成し, ポートフォリオ構築における性能を著しく向上させることがわかった。 テキストと市場ダイナミクスからのテーマ関係をリターンからモデリングすることで、複雑な投資テーマをナビゲートするためのスケーラブルで適応的なソリューションを提供する。

関連論文リスト

• Leveraging Foundation Models for Multimodal Graph-Based Action Recognition [1.533133219129073]
  動的視覚符号化のためのビデオMAEとコンテキストテキスト埋め込みのためのBERTを統合したグラフベースのフレームワークを提案する。 提案手法は,多様なベンチマークデータセット上で,最先端のベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-21T07:15:14Z)
• SAFT: Structure-aware Transformers for Textual Interaction Classification [15.022958096869734]
  テキスト・インタラクション・ネットワーク(英語: Textual Interaction Network, TIN)は、Eコマースのウェブサイトやソーシャルネットワークなどにおけるユーザとアイテム間のインタラクションをモデル化するためのデータ構造である。 対話の表現学習において,テキストおよび構造的意味論を効果的に融合するために,言語およびグラフベースのモジュールを統合する新しいアーキテクチャであるSAFTを提案する。
  論文  参考訳（メタデータ） (2025-04-07T09:19:12Z)
• GridMind: A Multi-Agent NLP Framework for Unified, Cross-Modal NFL Data Insights [0.0]
  本稿では,Retrieval-Augmented Generation (RAG) と大規模言語モデル (LLM) を通じて構造化,半構造化,非構造化データを統一するフレームワークであるGridMindを紹介する。 このアプローチはマルチモーダル表現学習の進化する分野と一致する。
  論文  参考訳（メタデータ） (2025-03-24T18:33:36Z)
• Unifying Text Semantics and Graph Structures for Temporal Text-attributed Graphs with Large Language Models [19.710059031046377]
  時間グラフニューラルネットワーク(TGNN)は時間グラフモデリングにおいて顕著な性能を示した。 TTAGモデリングのための既存のTGNNをシームレスに拡張するフレキシブルなフレームワークである textbfCROSS を提案する。
  論文  参考訳（メタデータ） (2025-03-18T16:50:10Z)
• A Survey on Post-training of Large Language Models [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Structure-CLIP: Towards Scene Graph Knowledge to Enhance Multi-modal Structured Representations [70.41385310930846]
  マルチモーダルな構造表現を強化するためのエンドツーエンドフレームワークであるStructure-CLIPを提案する。 シーングラフを用いてセマンティックなネガティブな例の構築をガイドし、その結果、構造化された表現の学習に重点を置いている。 知識エンハンス(KEE)は、SGKを入力として活用し、構造化表現をさらに強化するために提案される。
  論文  参考訳（メタデータ） (2023-05-06T03:57:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。