論文の概要: Converting Expert Deliberation into Financial Signals Through A Context-Aware NLP Pipeline

• arxiv url: http://arxiv.org/abs/2608.18911v1
• Date: Wed, 19 Aug 2026 13:40:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.408364
• Title: Converting Expert Deliberation into Financial Signals Through A Context-Aware NLP Pipeline
• Title（参考訳）: 文脈認識型NLPパイプラインによる専門家討論を金融信号に変換する
• Abstract要約: 我々は,CDSP(context-conditional deliberation signal pipeline)を導入し,投資委員会の会議記録を構造化された予測特徴に変換する。 CDSPは、ミーティングのトランスクリプトをトピックのチャンクに分割し、大きな言語モデル(LLM)を使用してアセットクラスのコンテキストラベルを割り当て、ラベルの事前に決定された分類に金融キーワードをマッピングし、感情極性と参照頻度という補完的な特徴を構築する。 予測精度は62%から73%で、常に株を選ぶのに比べれば60.4%が債券を上回っている。
• 参考スコア（独自算出の注目度）: 1.3391596554022047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the CDSP (context-conditional deliberation signal pipeline), converting an investment committee's meeting transcripts into structured predictive features. CDSP segments the meeting transcripts into topical chunks, assigns asset-class context labels using a large language model (LLM), maps financial keywords to a pre-determined taxonomy of labels, and constructs complementary features: sentiment polarity and mention frequency. This feature engineering framework is applied to a dataset spanning 48 monthly committee meetings to predict if global equities will perform better or worse than global bonds in the following month. In experiments with engineered features, raw transcript text, sentence embeddings, and combined representations, the prediction accuracy ranges from 62% to 73%, compared to always choosing stocks, which outperforms bonds 60.4% of the time. The best (73% accurate) model combines sentence embeddings with engineered CDSP features, achieving a 0.73 F1 score (although this is not statistically significant compared to always choosing stocks). Sentiment carries a stronger signal than mention frequency for several taxonomy categories. These findings suggest that experts' deliberations may contain forward-looking information that context-aware NLP can extract.
• Abstract（参考訳）: 我々は,CDSP(context-conditional deliberation signal pipeline)を導入し,投資委員会の会議記録を構造化された予測特徴に変換する。 CDSPは、ミーティングのトランスクリプトをトピックのチャンクに分割し、大きな言語モデル(LLM)を使用してアセットクラスのコンテキストラベルを割り当て、ラベルの事前に決定された分類に金融キーワードをマッピングし、感情極性と参照頻度という補完的な特徴を構築する。 この特徴工学の枠組みは、世界の株式が来月の世界債券よりも良いか悪いかを予測するために、48の月次委員会にまたがるデータセットに適用される。 エンジニアリングされた特徴、生の書き起こしテキスト、文の埋め込み、および複合表現による実験では、予測精度は62%から73%で、常に選択された株式は60.4%を上回っている。 最高の(73%の正確さ)モデルは、文の埋め込みとエンジニアリングされたCDSPの特徴を組み合わせることで、0.73 F1スコアを達成している(ただし、常に選択する株に比べて統計的に有意ではない)。 センチメントはいくつかの分類カテゴリーで言及される頻度よりも強いシグナルを伝達する。 これらの結果から,専門家による検討には,文脈認識型NLPが抽出できる前方情報が含まれる可能性が示唆された。

関連論文リスト

• A time-series classification framework for individual-level absenteeism prediction under severe class imbalance [0.0]
  従業員欠勤は、需要の高い労働環境において相当な運用コストを課す。 本稿では,過去の出席順序を将来の不在ラベルから分離する時系列分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-30T11:44:52Z)
• RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
  固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。 本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。 累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
  論文  参考訳（メタデータ） (2026-06-23T02:11:04Z)
• An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection [0.0]
  我々は,8つの年長ターゲット詐欺カテゴリにまたがる10,985の会話データセットであるCOVA-Xを提案する。 LongformerはXGBoostの精度を79.71%、マクロF1は0.7786、XGBoostは78.43%、マクロF1は0.7563となっている。
  論文  参考訳（メタデータ） (2026-06-05T03:46:36Z)
• You only need 4 extra tokens: Synergistic Test-time Adaptation for LLMs [50.54173262572369]
  大規模言語モデル (LLM) は、金融、医療、農業などの専門分野にますます導入されている。 本稿では,言語モデルに対するラベルフリーテスト時適応について検討し,追加の監督なしにモデルをオンザフライで適応する推論時フレームワークであるSyTTAについて述べる。
  論文  参考訳（メタデータ） (2025-10-11T14:00:39Z)
• Event-Aware Sentiment Factors from LLM-Augmented Financial Tweets: A Transparent Framework for Interpretable Quant Trading [0.0]
  本研究では,金融意味論とアルファ信号発見における大規模言語モデル(LLM)のユニークな有用性を示す。 LLMを使用して、マルチラベルイベントカテゴリを高感度のツイートに自動的に割り当てる。 実験の結果、特定のイベントラベルは負のアルファを連続的に生成し、シャープ比は-0.38、情報係数は0.05を超えることがわかった。
  論文  参考訳（メタデータ） (2025-08-10T16:09:14Z)
• A Debiased Nearest Neighbors Framework for Multi-Label Text Classification [13.30576550077694]
  マルチラベルテキスト分類(MLTC)のためのDebiased Nearest Neighbors(DENN)フレームワークについて紹介する。 組込みアライメントバイアスに対処するために,ラベル共起における近傍の一貫性を向上する,非バイアス付きコントラスト学習戦略を提案する。 信頼度推定バイアスには,$k$NNの予測と帰納的二分分類の適応的組み合わせを改善し,偏りのある信頼度推定戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-06T14:00:23Z)
• Utilizing Weak Supervision To Generate Indonesian Conservation Dataset [3.357014575278386]
  迅速かつ大規模なデータセット作成のための有望なアプローチとして、弱みの監視が登場している。 本稿では,インドネシアのNLPデータセットを保護ニューステキストから構築する方法について述べる。
  論文  参考訳（メタデータ） (2023-10-17T13:23:18Z)
• Revisiting Link Prediction: A Data Perspective [59.296773787387224]
  グラフの基本的なタスクであるリンク予測は、友人の推薦、タンパク質分析、薬物相互作用予測など、様々な応用において不可欠であることが証明されている。 既存の文献の証拠は、すべてのデータセットに適した普遍的に最良のアルゴリズムが存在しないことを裏付けている。 我々は,局所的な構造的近接,大域的な構造的近接,特徴的近接という,リンク予測に不可欠な3つの基本的要因を認識する。
  論文  参考訳（メタデータ） (2023-10-01T21:09:59Z)
• M-Tuning: Prompt Tuning with Mitigated Label Bias in Open-Set Scenarios [58.617025733655005]
  緩和ラベルバイアス(M-Tuning)を用いた視覚言語プロンプトチューニング手法を提案する。 これはWordNetからのオープンワードを導入し、クローズドセットラベルワードのみからもっと多くのプロンプトテキストを形成する単語の範囲を広げ、シミュレートされたオープンセットシナリオでプロンプトをチューニングする。 提案手法は,様々なスケールのデータセット上で最高の性能を達成し,広範囲にわたるアブレーション研究もその有効性を検証した。
  論文  参考訳（メタデータ） (2023-03-09T09:05:47Z)
• UATVR: Uncertainty-Adaptive Text-Video Retrieval [90.8952122146241]
  一般的なプラクティスは、テキストとビデオのペアを同じ埋め込みスペースに転送し、特定のエンティティとのクロスモーダルなインタラクションを構築することである。 UATVRと呼ばれる不確実性言語によるテキスト・ビデオ検索手法を提案し、各ルックアップを分布マッチング手順としてモデル化する。
  論文  参考訳（メタデータ） (2023-01-16T08:43:17Z)
• What Makes Good In-Context Examples for GPT-$3$? [101.99751777056314]
  GPT-$3$はNLPタスクの広い範囲でその優れた性能のために多くの注目を集めています。 その成功にもかかわらず、我々はGPT-$3$の実証結果が文脈内例の選択に大きく依存していることを発見した。 本研究では,文脈内事例を適切に選択するためのより効果的な戦略が存在するかを検討する。
  論文  参考訳（メタデータ） (2021-01-17T23:38:40Z)

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。