論文の概要: Say, Echo, Do: Strategic Narratives and Revealed Positioning in Financial Markets

• arxiv url: http://arxiv.org/abs/2609.38545v1
• Date: Tue, 29 Sep 2026 21:04:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.734058
• Title: Say, Echo, Do: Strategic Narratives and Revealed Positioning in Financial Markets
• Title（参考訳）: エコー氏:金融市場における戦略的物語と新たなポジション
• Abstract要約: 観測可能な3つの声で市場を調査する:制度的ステートメント(Say)、メディア反復(Echo)、位置決め(Do)。 信用ある群衆の前で話し、取引を行う情報機関の線形四進法モデルでは、それを購入しながら資産を話し合うのは、$varphi22kvarphi$の正確なタイミングで最適である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Machine-learning signals built from financial text treat what institutions say, and what the media repeat, as evidence about value. But whoever shapes a narrative may be trading against it. We study markets with three observable voices: institutional statements (Say), media repetition (Echo) and revealed positioning (Do). We ask when words should be followed and when they should be faded. In a linear-quadratic model of an informed institution that speaks and trades before a partly credulous crowd, talking an asset down while buying it is optimal exactly when $\varphi^2<2λk<\varphi$. A distribution-free identity then shows that when the observable Say-Do covariance is negative, words carry negative predictive content and should be faded. For measurement, we derive (i) an exact factorised posterior over which articles are echoes, combining arrival times with embedding similarity; (ii) a return-aligned contrastive objective that attains its bound exactly when squared embedding distances are an increasing affine function of squared outcome distances, with the tightest loss-based certificate of which neighbour rankings survive imperfect training; and (iii) a path-signature statistic for who moved first. In a controlled market with known ground truth, echo sentiment predicts returns with a significantly negative sign in all 29 simulated markets, the rolling Say-Do correlation flags false-alarm events with an AUC of 0.90, and return-aligned embeddings organise headlines by consequence rather than topic. We also report where the tools fail.
• Abstract（参考訳）: ファイナンシャルテキストから構築された機械学習信号は、機関の言うこと、メディアが繰り返すこと、を価値の証拠として扱う。 しかし、物語を形作る者はそれに反対するかもしれない。 我々は,3つの観測可能な声で市場を調査し,組織的ステートメント(Say),メディア反復(Echo),位置決め(Do)を明らかにした。 私たちはいつ、いつ、いつ、その言葉が消えるべきかを尋ねる。 情報機関の線形四進法モデルでは、部分的に信心深い群衆の前で話し、取引し、それを買いながら資産を話し合うのは、$\varphi^2<2λk<\varphi$が最適である。 分布自由なアイデンティティは、観測可能なSay-Do共分散が負の場合、単語は負の予測内容を持ち、消えるべきであることを示す。 測定のため、我々は導出する 一 物品がエコーである正確な因果後部であって、到着時刻と埋没類似性とを併せ持つもの 二 正方形埋め込み距離が正方形結果距離の増大するアフィン関数である場合に、その有界を正確に達成するリターン整合コントラスト目標であって、近隣のランキングが不完全なトレーニングを継続する最も厳密な損失ベースの証明書 (三)最初に動いた者についてのパス署名統計 コントロールされた市場では、エコー・センチメントは29のシミュレートされた全ての市場でかなりネガティブなサインでリターンを予測し、ローリングのSay-Do相関フラグはAUCの0.90で偽アラームイベントを発生させ、リターンアラインの埋め込みはトピックではなく結果として見出しを編成する。 また、ツールがどこで失敗するかも報告します。

関連論文リスト

• 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)
• Fast Numbers, Slow Language: Bridging Quantitative and Qualitative Earnings Signals [18.19730724521297]
  経済学者は50年間、量的サプライズを研究しており、自然言語処理の研究者は10年間、定性的ECT信号を研究してきた。 EarningsInOneは、SP 1500のニュース、ECT、日内および翌日の価格を調整した最初のコーパスです。 両方の信号タイプに統一的なトレーディングと評価ツールを適用することで、クリーンな速度分離、高速数値、遅い言語を確認します。
  論文  参考訳（メタデータ） (2026-06-29T03:18:25Z)
• StakeBench: Evaluating Language Understanding Grounded in Market Commitment [5.902169076249955]
  StakeBenchは、市場のコミットメントに根ざした言語理解のための評価フレームワークである。 StakeBenchは2,261の市場から560,876件のコメントを入手した。 4つの診断タスクは、モデルが市場のコミットメントを検出し、明らかにされた側面を特定し、将来のアクションを予測し、集合的なオッズ予測を実行するかどうかをテストする。
  論文  参考訳（メタデータ） (2026-05-25T17:38:30Z)
• Cross-Sectional Asset Retrieval via Future-Aligned Soft Contrastive Learning [87.54084417547621]
  我々は、効果的な資産検索は将来整合するべきだと論じる。 米国株4,229株の実験では、Future-Aligned Soft Contrastive Learningは、将来のすべての指標で13のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-11T10:17:52Z)
• 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)
• 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)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)
• Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
  不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。 私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
  論文  参考訳（メタデータ） (2021-08-19T17:59:28Z)
• 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。