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

• Reconstructing Content via Collaborative Attention to Improve Multimodal Embedding Quality [59.651410243721045]
  CoCoAは、マルチモーダル埋め込み最適化のための協調注意に基づくコンテンツ再構成事前学習パラダイムである。 EOSをベースとした再構築タスクを導入し、対応するEOS>埋め込みからの入力を再構成するようモデルに促す。 MMEB-V1の実験では、Qwen2-VLとQwen2.5-VLをベースにしたCoCoAが埋め込み品質を著しく向上することを示した。
  論文  参考訳（メタデータ） (2026-03-02T05:34:45Z)
• CREM: Compression-Driven Representation Enhancement for Multimodal Retrieval and Comprehension [49.6969505536365]
  生成能力を保ちつつ、検索のためのマルチモーダル表現を強化する統一的なフレームワークであるCREMを提案する。 CREMはMMEB上での最先端検索性能を達成し,複数の理解ベンチマーク上での強力な生成性能を維持する。
  論文  参考訳（メタデータ） (2026-02-22T08:09:51Z)
• Beyond Unimodal Shortcuts: MLLMs as Cross-Modal Reasoners for Grounded Named Entity Recognition [51.68340973140949]
  GMNER(Multimodal Named Entity Recognition)は、テキストベースのエンティティを抽出し、セマンティックカテゴリを割り当て、それらを対応する視覚領域に接地することを目的としている。 MLLMは、視覚バイアスやテキストバイアスを含む$textbfmodality bias$を示す。 本稿では,モダリティを考慮した一貫性推論(bfMCR$)を提案する。
  論文  参考訳（メタデータ） (2026-02-04T12:12:49Z)
• Learning to Manage Investment Portfolios beyond Simple Utility Functions [0.9999629695552193]
  本稿では,明示的なユーティリティ仕様を必要とせずに,資金運用戦略の潜在的表現を学習する生成フレームワークを提案する。 当社の枠組みを、米国の株式相互資金1436のデータセットで検証する。 我々のフレームワークは、市場シミュレーション、戦略属性、規制監督におけるアプリケーションの投資戦略を特徴付けるためのデータ駆動型アプローチを提供する。
  論文  参考訳（メタデータ） (2025-10-30T06:01:20Z)
• Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
  文書理解は、財務分析から科学的発見への応用に不可欠である。 現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
  論文  参考訳（メタデータ） (2025-10-17T02:33:16Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• 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)
• Contrastive Learning of Asset Embeddings from Financial Time Series [8.595725772518332]
  金融時系列データから資産埋め込みを生成するための,新しいコントラスト学習フレームワークを提案する。 提案手法は,多くのサブウインドウに対するアセットリターンの類似性を利用して,情報的正および負のサンプルを生成する。 実世界のデータセットに関する実験は、ベンチマーク業界分類とポートフォリオ最適化タスクにおける学習した資産埋め込みの有効性を実証している。
  論文  参考訳（メタデータ） (2024-07-26T10:26:44Z)
• Financial Assets Dependency Prediction Utilizing Spatiotemporal Patterns [6.424226384944309]
  資産の依存関係をADM(Asset Dependency Matrix)としてモデル化する新しいアプローチを提案する。 隣接する画素が物体運動の自然な連続性によって明らかに時間的依存を示すビデオ画像とは異なり、ADMのアセットは自然な順序を持たない。 本研究では,Conal Long Short-Term Memory (ConLSTM) ネットワークを用いたアセット依存ニューラルネットワーク (ADNN) を提案する。
  論文  参考訳（メタデータ） (2024-06-13T09:42:28Z)
• 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)
• MDGNN: Multi-Relational Dynamic Graph Neural Network for Comprehensive and Dynamic Stock Investment Prediction [22.430266982219496]
  マルチリレーショナルな動的グラフニューラルネットワーク(MDGNN)フレームワークを提案する。 提案するMDGNNフレームワークは,SOTA(state-of-the-art-the-art)ストック投資手法と比較して,公開データセットにおける最高のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-01-19T02:51:29Z)
• 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)
• Modeling Complex Financial Products [5.873416857161077]
  我々は、2008年の米金融危機の中心にある住宅ローン担保証券(resMBS)に焦点を当てている。 我々は、より複雑な一連のモデルを通じて、resMBS証券のパフォーマンスに関する洞察を提供する。
  論文  参考訳（メタデータ） (2021-02-03T23:20:21Z)

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。