論文の概要: Extracting the Structure of Press Releases for Predicting Earnings Announcement Returns

• arxiv url: http://arxiv.org/abs/2509.24254v2
• Date: Sat, 04 Oct 2025 00:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 12:09:05.119686
• Title: Extracting the Structure of Press Releases for Predicting Earnings Announcement Returns
• Title（参考訳）: 報知申告書の返却予測のためのプレスリリースの構造抽出
• Authors: Yuntao Wu, Ege Mert Akin, Charles Martineau, Vincent Grégoire, Andreas Veneris,
• Abstract要約: プレスリリースの内容(ソフト情報)は、利益の驚き(ハード情報)と同じくらい情報であることがわかった。 我々のフレームワークは,オンライン学習の統合によるリアルタイムリターン予測をサポートし,解釈可能性を提供し,価格形成における言語の役割を明らかにする。
• 参考スコア（独自算出の注目度）: 1.3968276272277327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We examine how textual features in earnings press releases predict stock returns on earnings announcement days. Using over 138,000 press releases from 2005 to 2023, we compare traditional bag-of-words and BERT-based embeddings. We find that press release content (soft information) is as informative as earnings surprise (hard information), with FinBERT yielding the highest predictive power. Combining models enhances explanatory strength and interpretability of the content of press releases. Stock prices fully reflect the content of press releases at market open. If press releases are leaked, it offers predictive advantage. Topic analysis reveals self-serving bias in managerial narratives. Our framework supports real-time return prediction through the integration of online learning, provides interpretability and reveals the nuanced role of language in price formation.
• Abstract（参考訳）: 決算発表日における決算報告のテキスト機能が株価のリターンを予測する方法について検討する。 2005年から2023年までの138,000以上のプレスリリースを使って、従来のbacker-of-wordsとBERTベースの埋め込みを比較します。 プレスリリースの内容(ソフト情報)は、利益のサプライズ(ハード情報)と同じくらい情報であり、FinBERTは予測力が最も高い。 組み合わせモデルは、プレスリリースの内容の説明的強度と解釈可能性を高める。 株価は、公開市場におけるプレスリリースの内容を完全に反映している。 プレスリリースがリークされた場合、予測上の利点がある。 トピック分析は、管理的物語における自己維持的バイアスを明らかにする。 我々のフレームワークは,オンライン学習の統合によるリアルタイムリターン予測をサポートし,解釈可能性を提供し,価格形成における言語の役割を明らかにする。

関連論文リスト

• News Sentiment Embeddings for Stock Price Forecasting [0.0]
  主な焦点は、ウォール・ストリート・ジャーナルのニュースの見出しを使って、毎日の時間スケールで株価の動きを予測することだ。 予備的な結果は、トレーニングや機械学習システムの最適化と比較して、ヘッドラインデータの埋め込みは、少なくとも40%の株価予測に大きく貢献することを示している。
  論文  参考訳（メタデータ） (2025-06-19T17:30:07Z)
• FinGPT: Enhancing Sentiment-Based Stock Movement Prediction with Dissemination-Aware and Context-Enriched LLMs [8.303827622646086]
  本稿では、ニュース拡散幅、文脈データ、明示的な指示を組み込むことにより、感情に基づくストックムーブメント予測を強化するデータ駆動型アプローチを提案する。 提案手法は既存手法と比較して予測精度を8%向上させる。
  論文  参考訳（メタデータ） (2024-12-14T13:04:42Z)
• Effects of Daily News Sentiment on Stock Price Forecasting [0.5242869847419834]
  本稿では,約3.7年周期でニュースデータベースを作成するための,堅牢なデータ収集と事前処理フレームワークを提案する。 このタイムラインの株価情報をキャプチャして、記事のさまざまなセクションの感情スコアを含む複数の時系列データを作成します。 これに基づいて、評価スコアを特徴として使用し、性能を比較することなく、株価を予測するためにいくつかのLSTMモデルを適合させます。
  論文  参考訳（メタデータ） (2023-08-02T06:42:39Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• The Battle of Information Representations: Comparing Sentiment and Semantic Features for Forecasting Market Trends [0.5249805590164902]
  市場の動向を予測するための感情属性よりも文脈埋め込みの形での意味的特徴が重要であるかを検討する。 当社は、NASDAQの資本化による大手企業に関連するTwitter投稿のコーパスとその価格設定について検討する。 以上の結果から,感情的特徴の活用により,有意な頻度で測定値が上昇することが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T18:30:15Z)
• Leveraging Declarative Knowledge in Text and First-Order Logic for Fine-Grained Propaganda Detection [139.3415751957195]
  本稿では,ニュース記事中のプロパガンダ的テキスト断片の検出について検討する。 本稿では,詳細なプロパガンダ手法の宣言的知識を注入する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-29T13:46:15Z)

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。