論文の概要: Where Has the Foreign Signal Gone?

• arxiv url: http://arxiv.org/abs/2610.28175v1
• Date: Tue, 20 Oct 2026 13:15:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.826593
• Title: Where Has the Foreign Signal Gone?
• Title（参考訳）: 外国の信号はどこにあるのか?
• Abstract要約: 当社は、Twitterフィードにおける感情ノイズと、国内外の企業株の損失の関係を比較した。 コントリビュータプールの構成を通して、これらのパターンを説明するために、ノイズの多い合理的な期待モデルを使用します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We compare the relation between sentiment noise in the Twitter feed and losses for stocks of domestic and foreign firms. The mean quarterly domestic-foreign difference in the slope of next-quarter losses on measured noise is -1.40 (Newey-West t = -2.99). This slope is negative for 78 and 48 percent of the quarters for domestic and foreign stocks, respectively (block-bootstrap p = 0.016). Thus, this relationship is temporally more stable for domestic stocks. We use a noisy rational expectations model to explain these patterns through the composition of the contributor pool. The feeds for stocks of foreign firms have higher repeat-author concentration and a larger model-implied nonfundamental component than those for domestic firms. We interpret these differences through the producer-knowledge mismatch hypothesis. For foreign firms, the English-language contributor pool underrepresents the home-market investors who tend to possess informational advantages about them. Thus, the foreign signal is not gone but diluted.
• Abstract（参考訳）: 当社は、Twitterフィードにおける感情ノイズと、国内外の企業株の損失の関係を比較した。 計測ノイズに対する次四半期の損失の傾きの平均国内外差は-1.40(Newey-West t = -2.99)である。 この傾向は、国内株と外国株の78%と48%(ブロックブートストラップp=0.016)でマイナスである。 したがって、この関係は国内株にとって一時的に安定している。 コントリビュータプールの構成を通して、これらのパターンを説明するために、ノイズの多い合理的な期待モデルを使用します。 外国企業の株式の供給量は、国内企業よりもリピート・オーディエンス・集中度が高く、モデルで実装された非ファンダメンタル・コンポーネントが大きい。 我々はこれらの違いを生産者/知識のミスマッチ仮説を通じて解釈する。 外国企業にとって、英語のコントリビュータプールは、情報的優位性を持つ傾向にあるホームマーケット投資家を過小評価している。 したがって、外国の信号は消えるのではなく希薄になる。

関連論文リスト

• From SEC Filings to Financial Signals: Evaluating LLMs on Stock Market Reactions and Analyst Forecasts [11.855849761898577]
  MD&Aセクションは、長期管理物語と会計情報と前方情報を組み合わせている。 ファイナンシャルファイリングのベンチマークは、質問応答や数値推論を一般的に評価する。 我々は2001年から2024年までの45,964のForm 10-Q申請イベントにおいて、13の汎用および金融特化LDMからのゼロショット出力を評価した。
  論文  参考訳（メタデータ） (2026-10-16T21:54:49Z)
• When the Knowledge Base Becomes the Gold Standard: Measuring Resource-Shared Evaluation Loops in Entity-Level Machine Translation [1.9638161652098338]
  Seungjeongwon Ilgiはユネスコの世界記録であり、37.4%しか翻訳されていない。 我々は,韓国国立歴史研究所の専門的個人名アノテーションをインジェクションパイプラインから独立した金として利用している。 専門家による527の言及のうち、注入パイプラインの外にあるのは31.1%である。
  論文  参考訳（メタデータ） (2026-08-12T09:33:59Z)
• Can Language Models Identify Shadow Trading Targets? An NLP Evaluation of SEC Enforcement Theory [1.1599570446840544]
  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。
  論文  参考訳（メタデータ） (2026-08-02T15:42:14Z)
• Persona-Conditioned Risk Behavior in Large Language Models: A Simulated Gambling Study with GPT-4.1 [0.0]
  本稿では,GPT4.1が3つの社会経済的ペルソナの1つに割り当てられた制御実験について述べる。 このモデルは、カーネマンとトヴェルスキーのプロスペクト理論によって予測される重要な行動シグネチャを再現する。
  論文  参考訳（メタデータ） (2026-03-16T19:03:19Z)
• Your AI, Not Your View: The Bias of LLMs in Investment Analysis [62.388554963415906]
  金融において、Large Language Models (LLMs) は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違から生じる、頻繁な知識紛争に直面している。 これらの対立は、モデル固有のバイアスが制度的目的と誤認される現実世界の投資サービスにおいて特に問題となる。 本研究では,このような紛争シナリオにおける創発的行動を調べるための実験的枠組みを提案し,投資分析におけるバイアスの定量的分析を行う。
  論文  参考訳（メタデータ） (2025-07-28T16:09:38Z)
• An Evaluation of Estimative Uncertainty in Large Language Models [3.04503073434724]
  推定の不確実性は長い間、CIAなどの諜報機関を含む研究領域であった。 本研究は,一般用大言語モデル(LLM)における推定の不確かさを,人間と相互に比較した。 GPT-3.5 や GPT-4 のような LLM は人間の推定値と一致している。
  論文  参考訳（メタデータ） (2024-05-24T03:39:31Z)
• "Knowing When You Don't Know": A Multilingual Relevance Assessment Dataset for Robust Retrieval-Augmented Generation [90.09260023184932]
  Retrieval-Augmented Generation (RAG) は、外部の知識源を活用して、事実の幻覚を減らすことで、Large Language Model (LLM) を出力する。 NoMIRACLは18言語にまたがるRAGにおけるLDM堅牢性を評価するための人為的アノテーション付きデータセットである。 本研究は,<i>Halucination rate</i>,<i>Halucination rate</i>,<i>Halucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sr。
  論文  参考訳（メタデータ） (2023-12-18T17:18:04Z)
• 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。