A News-based Machine Learning Model for Adaptive Asset Pricing
基于新闻的自适应资产定价机器学习模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确提出资产定价模型，并以金融新闻解释和预测股票收益，直接对应资产定价与收益预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于新闻的自适应资产定价机器学习模型
- 研究问题
- 如何将金融新闻中的公司信息转化为资产表示，再为不同股票选择解释与预测收益的基准资产，形成自适应定价模型？
- 方法与思路
- 作者提出NEUS模型，从金融新闻生成公司嵌入，依据嵌入形成基准资产集合，再用高维统计方法为每只股票选择相关资产。
- 材料陈述的贡献
- 摘要称该新闻驱动模型能够解释并预测股票收益，相较Fama-French五因子模型具有显著更好的拟合和预测表现。
- 阅读关注点
- 应核对新闻时间戳与收益预测的对齐、嵌入和资产筛选流程，以及样本外评估、调参方式和显著性判断依据。
- 阅读边界
- 这是arXiv预印本，不能据此声称已同行评审或期刊接收。摘要未说明样本、预测窗口或检验结果，不能据此认定优势可稳定推广。
原文摘要
The paper proposes a new asset pricing model -- the News Embedding UMAP Selection (NEUS) model, to explain and predict the stock returns based on the financial news. Using a combination of various machine learning algorithms, we first derive a company embedding vector for each basis asset from the financial news. Then we obtain a collection of the basis assets based on their company embedding. After that for each stock, we select the basis assets to explain and predict the stock return with high-dimensional statistical methods. The new model is shown to have a significantly better fitting and prediction power than the Fama-French 5-factor model.