論文の概要: Can Language Models Identify Shadow Trading Targets? An NLP Evaluation of SEC Enforcement Theory

• arxiv url: http://arxiv.org/abs/2608.01322v1
• Date: Sun, 02 Aug 2026 15:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.164688
• Title: Can Language Models Identify Shadow Trading Targets? An NLP Evaluation of SEC Enforcement Theory
• Title（参考訳）: 言語モデルはシャドートレーディングターゲットを特定できるか? SEC強化理論のNLP評価
• Abstract要約: 我々は、NLPがSECの理論が既に知っていると想定していることをできるかどうか尋ねる。 我々は5つの業界にまたがる30のM&Aイベントのセマンティックな類似点と、発表日の異常な株価リターンとを関連づける。 しかし、完全なデータセット全体では、関連性は見つからない。
• 参考スコア（独自算出の注目度）: 1.1599570446840544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shadow trading -- trading in a peer firm's securities on the basis of material nonpublic information (MNPI) about an "economically linked" company -- is a novel and contested theory of insider trading liability, first prosecuted in SEC v. Panuwat (2023). Enforcing it requires identifying economically linked firms ex ante, a determination the SEC makes only after the fact using mass market surveillance infrastructure. We ask whether NLP can do what the SEC's theory presumes insiders already know: identify peer firms ex ante from publicly mandated disclosures. Using a two-stage LLM pipeline applied to Item 7 (Management's Discussion and Analysis) sections of SEC 10-K filings, we score semantic similarity across 30 M&A events spanning five industries and relate similarity to announcement-day abnormal stock returns. On the Panuwat fact pattern itself the pipeline recovers Incyte among the closest peers, a sanity check on the one case with a known outcome. Across the full dataset, however, we find no association: pooling 217 peer observations, the within-event rank correlation between similarity and abnormal return is +0.07 (permutation p = 0.37), and the mean per-event Spearman correlation is +0.05 with a 95% confidence interval of [-0.08, +0.18] -- narrow enough to exclude any moderate relationship rather than merely failing to detect one. A case-level reading agrees: 14 of 30 events support the hypothesis, 12 contradict it, and 4 are ambiguous. We also find that Incyte fell outside the standard \$2B-\$10B mid-cap band on the day before the announcement, complicating the "mid-cap oncology" category the SEC invoked. These results are exploratory and bound to this pipeline, corpus, and return measure, but they put pressure on the empirical premise of shadow trading enforcement and bear on constitutional questions surrounding the SEC's financial surveillance infrastructure.
• Abstract（参考訳）: シャドートレーディング(シャドートレーディング、英:shadow trading)とは、「経済的に結びついた」企業に関する物質的非公開情報(MNPI)に基づいて、ピア企業の証券で取引することであり、SEC対パヌワト(2023年)で最初に告訴されたインサイダートレーディング責任の理論である。 経済的に結びついた企業を外部から特定する必要があるが、SECの決定は、大量市場監視インフラの使用後にのみなされる。 我々は、NLPがSECの理論が既に知っていると想定していることをできるかどうか尋ねる。 SEC10-K申請の項目7(Management's discussions and Analysis)セクションに適用した2段階のLLMパイプラインを用いて、5つの業界にわたる30のM&Aイベントのセマンティックな類似点と、発表日の異常な株価リターンとを関連づけた。 Panuwatのファクトパターン自体において、パイプラインは最も近いピアの間でIncyteを回復する。 しかし、完全なデータセット全体では、相関関係は見つからない: 217個のピア観測をプールし、類似性と異常なリターンの関係は +0.07 (permutation p = 0.37)、平均的なスピアマン相関は +0.05 であり、95%の信頼区間 [-0.08, +0.18] を持つ。 30件のうち14件は仮説を支持し、12件は矛盾し、4件は曖昧である。 また、Incyteは発表の前日に標準の2B-\$10Bのミッドキャップバンドの外に落ち、SECが呼び出した"ミッドキャップオンコロジー"カテゴリーを複雑にしていることもわかりました。 これらの結果は探索的であり、パイプライン、コーパス、リターン対策に縛られるが、シャドートレーディングの実証的な前提に圧力をかけ、SECの金融監視インフラを取り巻く憲法上の問題に対処する。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• Same Day, Same Story; One Day Ahead, a Different Signal: The Dual Validity of Financial Sentiment [5.121117558582558]
  構成的妥当性と予測的妥当性の関係は,サンプリング規則とスコア表現に依存することがわかった。 スパムが17.6%の会話では、メッセージボリュームは市場損害も決済サイズも予測しない。
  論文  参考訳（メタデータ） (2026-09-10T06:37:33Z)
• Temporal Leakage in Financial News NLP: A Multi-Architecture Audit with a Regime-Specific M&A Signal [13.5023809267948]
  TF-IDF, MiniLM, FinBERT, fine-tuned RoBERTa-large / DeBERTa-v3-large にまたがる16種類の特徴モデルの組み合わせに対して49,799個のアーティクルコーパスを監査した。 RandomはMCCを$1.1times$から$6.5times$に分割し、モデル容量と機能豊かさを追跡し、エンドツーエンドのFinBERTの微調整はギャップを埋めるのではなく再増幅する。
  論文  参考訳（メタデータ） (2026-08-18T00:23:25Z)
• Emergent Misaligned Communication in Long-Horizon Multi-Agent LLM Commerce [39.937871162878785]
  我々は、虚偽の事実主張、操作、共謀、脅迫を含む電子メールとして、音声行為の誤認識を運用する。 メールの12.6%はミスアライメントと表示されており、20行中、74.7%は個別のエージェントランで表示されている。 高い能力モデルが弱い候補を差分に利用しているという証拠は見つからない。
  論文  参考訳（メタデータ） (2026-08-14T18:56:12Z)
• FinRank: An Evidence-Grounded Benchmark for Financial Question Answering and Retrieval over SEC Filings [0.0]
  FinRankは、意図した実体、報告期間、開示コンテキストの証拠をシステムに特定することを要求することによって、証明に敏感な検索問題をターゲットにしている。 このベンチマークには、22社の10-Kと10-Qに関する質問応答記録が1185件含まれている。 FinRankは、パス検索、再ランク付け、ハードネガティブな識別を別々に測定したタスクとして評価する。
  論文  参考訳（メタデータ） (2026-08-07T16:45:39Z)
• Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games [50.880420636090896]
  9-player Werewolf環境において,隠れた役割に対する外部信頼状態を維持するための監査可能なフレームワークを構築した。 我々は,その効果を関連づけとして報告し,そのメカニズムを未解決として扱う。
  論文  参考訳（メタデータ） (2026-07-12T16:03:30Z)
• A Clustering-Based Framework for Identifying Suspicious Trading Patterns in Capital Market [0.0]
  市場操作は、迅速な利益を得るために株価を操作する疑わしい慣行である。 我々は,K-Means++クラスタリングから始まる不正検出ツールキットを実装し,この問題に対処する。
  論文  参考訳（メタデータ） (2026-07-05T09:02:34Z)
• Effective Performance Measurement: Challenges and Opportunities in KPI Extraction from Earnings Calls [43.85438181764358]
  SECの申請書やコンテキスト内学習法で訓練されたモデルで得られた情報を評価する。 そこで本稿では,LLMを用いた非構造化呼起こ書き起こしからのオープンエンド抽出を行うシステムを提案する。
  論文  参考訳（メタデータ） (2026-05-04T20:40:05Z)
• Measurement Risk in Supervised Financial NLP: Rubric and Metric Sensitivity on JF-ICR [1.7107991816118835]
  我が国の金融インシシデント・コミット認識における測定リスクについて検討する。 ルーブリックな単語は、モデル指定ラベルを根本的に変えることが判明した。 すべての計量は、JF-ICRクラス分布の下では情報的ではない。
  論文  参考訳（メタデータ） (2026-04-30T03:39:14Z)
• Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis [0.0]
  本研究は,暗号通貨の物語が経験的に観察された市場因子構造と一致するかどうかを考察する。 我々は10カテゴリにわたる38のホワイトペーパーのNLP分類と時間ごとの市場データのセマンティック分解を組み合わせたパイプラインを構築した。 無効な結果は、物語経済学に影響を及ぼす市場因子構造を有意に予測しないことを示す。
  論文  参考訳（メタデータ） (2026-01-28T07:50:40Z)
• TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
  自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。 スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。 我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
  論文  参考訳（メタデータ） (2025-09-25T13:04:29Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

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。