10-K 有多重要？全文与风险因素情绪的聚合相关值

arXiv:2607.14174v1 公告类型：新摘要：金融情绪提取在很大程度上依赖于新闻文本和仅针对退货标签的监督提取，而 10-K 申报和波动性、目标风险披露可以说是最适合通知的相对未开发。我们将监督词典学习方法扩展到 10-K 文件及其第 1A 项风险因素部分，在三个聚合级别（行业、投资组合和个体公司）针对回报和波动性标签训练情绪得分。通过来自 94 家纳斯达克 100 科技成分股的 1,383 份申请（2006 年--2023 年），我们评估了最终的 12 种情绪指标，包括分类准确性、与已实现的市场结果的相关性以及定性词汇内容。完整归档文本在两个目标的部门和投资组合层面上产生了更准确的情绪，但这在个体公司层面上发生了逆转，其中较窄的项目 1A 部分表现更好——我们将这种效果归因于文档量与每个聚合级别可用的独立训练信号量之间的相互作用。洛夫兰-麦克唐纳词典基线始终与每个测试水平的价格呈强烈负相关，这凸显了监管披露文本监督方法的价值。这些发现以及它们所激发的设计选择，建立了后续、更大规模、多源系统的情感生成方法。