論文の概要: DisclosureBeta: A Measurement-Channel Theory for Regime-Conditioned Betas from LLM-Read Risk Disclosures

• arxiv url: http://arxiv.org/abs/2609.02900v1
• Date: Sun, 05 Jul 2026 11:36:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.452938
• Title: DisclosureBeta: A Measurement-Channel Theory for Regime-Conditioned Betas from LLM-Read Risk Disclosures
• Title（参考訳）: DisclosureBeta: LLM-Read Risk Disclosures によるレジーム定義ベータの測定チャネル理論
• Abstract要約: 我々は、企業の価格履歴が短くて信頼できないことを示します。S-1ファイバ、最近のリスト、あるいは政権崩壊の直前の名前です。 情報開示インセンティブ尺度(DIM)における推定精度モノトンの作成 テキストベースとローリングウィンドウ推定器の適応凸の組み合わせは、いずれのコンポーネントよりも悪くはない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem is the beta a desk needs when a firm's price history is too short to trust: an S-1 filer, a recent listing, or a name just past a regime break. The state of the art collapses to a comparable-firm peer beta with no error budget, and the recent text-based competitor Breitung (2025) reports strong empirical IPO accuracy but no identification theory, no error budget, and no lower bound. We fill that gap. We model a large language model as a noisy measurement channel on a firm's latent risk characteristics and write its channel noise into the asset-pricing error budget. In a piecewise-stationary Fama-French five-factor model the loadings are a function of latent risk characteristics and an inferred regime. We prove identification and consistency of the regime-conditional loading function under explicit assumptions on the channel, the detector, and within-regime sampling, and give a matching lower bound showing that the disclosure-noise and detector-misclassification terms are unavoidable for any estimator that observes only returns, factors, LLM features, and a regime estimate. A disclosure-incentive corollary makes estimation precision monotone in a firm-level disclosure-incentive measure (DIM). An adaptive convex combination of the text-based and rolling-window estimators is never worse than either component and shifts its weight toward text exactly when price history is short, stale, or straddles a detected regime break. The empirical evaluation on a frozen, pre-registered panel of price-history-thin firms is forthcoming; this preprint records the theory and the pre-registered design so priority is established independently of the empirical outcome.
• Abstract（参考訳）: 問題は、企業の価格履歴が短くて信頼できないときに必要となるベータである。S-1ファイバ、最近のリスト、あるいは政権崩壊の直前の名前だ。 そして最近のテキストベースの競合であるBreitung(2025年)は、強力な実証的IPOの正確さを報告している。 私たちはそのギャップを埋める。 我々は,企業の潜在リスク特性に基づいて,大規模言語モデルをノイズ測定チャネルとしてモデル化し,そのチャネルノイズを資産価格誤差予算に書き込む。 有限要素モデルであるFama-French 5要素モデルでは、負荷は遅延リスク特性と推論された状態の関数である。 本研究では, チャネル, 検出器, および内部レジムサンプリングに対する明示的な仮定の下で, 条件付き負荷関数の同定と整合性を証明し, 報知ノイズおよび検出器ミスクラス化項が, 戻り値, 因子, LLM特徴, 状態推定のみを観測する推定器では避けられないことを示す。 開示インセンティブ・カロリは、ファームレベルの開示インセンティブ尺度(DIM)において、精度の高いモノトンを推定する。 テキストベースとローリングウインドウ推定器の適応凸の組み合わせは、いずれのコンポーネントよりも決して悪くなく、価格履歴が短いとき、古いとき、あるいは検出された状態が壊れたときに、その重みを正確にテキストにシフトさせる。 このプレプリントは、実験結果とは独立して優先されるように、その理論と事前登録された設計を記録する。

関連論文リスト

• The Geometry of Flow-Matching Uncertainty: A Cost-free Uncertainty Proxy and Its Application in Flow-based VLA Failure Detection [40.15880250907137]
  フローマッチング(FM)は、現代のエンボディドモデルにおいて一般的なアクションヘッドパラダイムとなっている。 理想的なアフィン等方性収縮場からの逸脱として不確実性を示す。 我々は,1つの前方通過路からの軌道の曲げを測定するコストフリーの不確実性プロキシであるデノナイジングアクセラレーション(mathrmaccel$)を導入する。
  論文  参考訳（メタデータ） (2026-07-30T09:44:46Z)
• FinAbstain: Uncertainty-Calibrated Multimodal RAG for Selective Financial Forecasting [8.891247829087936]
  FinAbstainは、不確実性を校正したマルチモーダル検索拡張生成のためのフレームワークである。 ポイント・イン・タイム・レトリバーは、予測タイムスタンプで公開された情報のみを認め、基本、ニュース、技術、リスク、検証エージェントにモダリティ固有の証拠を提供する。 コントローラは、不確実性が検証された閾値以下である場合にのみ、強気、弱気または中立的な結果を予測する。
  論文  参考訳（メタデータ） (2026-07-27T07:05:22Z)
• FinBench: Time-Gated Calibration and Uncertainty Benchmarking for Agentic Financial Forecasting [0.0]
  FinBenchは、財務予測のためのキャリブレーションと不確実性の品質を評価するために設計されたベンチマークである。 本稿では,ベンチマークの仕様を記述し,パイプラインの健全性チェックとして小さなパイロット走行を報告する。
  論文  参考訳（メタデータ） (2026-06-24T01:27:30Z)
• The Alpha Illusion: Reported Alpha from LLM Trading Agents Should Not Be Treated as Deployment Evidence [23.772113719172896]
  エンド・ツー・エンドのLLMトレーディングエージェントからのシャープ比率の報告は、配備証拠として扱われてはならない。 レポートの堅牢性はトレーダブルな確率ではなく、物語の推論は数値的な実行ではない。
  論文  参考訳（メタデータ） (2026-05-16T09:14:35Z)
• All That Glisters Is Not Gold: A Benchmark for Reference-Free Counterfactual Financial Misinformation Detection [67.89888669159899]
  RFC Benchは、現実的なニュースの下で財務的な誤情報に関する大規模な言語モデルを評価するためのベンチマークである。 このベンチマークでは、2つの補完的なタスクが定義されている。
  論文  参考訳（メタデータ） (2026-01-07T18:18:28Z)
• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
  言語モデル(LM)は、自然言語生成において有望な性能を示している。 与えられた入力に応答する際の不確実性を正確に定量化することは重要である。 我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-04-04T02:31:05Z)

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。