Reading the News Without Hindsight: NoLBERT Topics and the Cross-Section of Stock Returns
Pubblicata su AIChronos il · fonte del · Kevin Foley, Jonathan Hartadi, Shivesh Prakash, Charishma Takkallapalli, Swapnil Vatsal
Il paper introduce NoLBERT, un encoder pre-addestrato esclusivamente su testi finanziari del periodo 1976-1995 per evitare il problema della 'hindsight bias' nei backtest. Gli autori adattano questo modello in un sentence encoder tramite contrastive fine-tuning senza utilizzare etichette o rendimenti futuri e lo confrontano con LDA, MiniLM e FinBERT su oltre 1 milione di articoli dal 2012 al 2024. I risultati mostrano che NoLBERT genera i topic più stabili nel tempo, mentre una combinazione equal-weight di tutti i modelli raggiunge un Sharpe ratio mensile netto di 1.12, significativo rispetto a zero ma non contro un benchmark basato solo sui prezzi.
- NoLBERT è pre-addestrato su dati storici (1976-1995) per garantire che i backtest siano privi di informazioni future (no hindsight bias).
- Il modello viene adattato tramite contrastive fine-tuning senza supervisione con etichette o rendimenti azionari.
- Sostituire la finestra temporale degli attention shocks da 63 giorni a 5 giorni migliora significativamente il rank IC di tutti i lettori.
- NoLBERT offre una stabilità dei topic superiore rispetto agli altri modelli e prestazioni predittive paragonabili al classico LDA.
- L'ensemble equal-weight di NoLBERT, MiniLM, FinBERT e LDA supera lo zero in termini di Sharpe ratio mensile.
Perché conta. Per gli sviluppatori che lavorano con LLM o agenti finanziari, questo approccio è cruciale per costruire sistemi robusti a test storici realistici, evitando l'ottimismo ingenuo derivante dall'utilizzo di dati non indipendenti. Inoltre, dimostra come tecniche di pre-addestramento su corpus temporali specifici possano migliorare la stabilità dei feature estratti (topic) senza necessariamente richiedere grandi quantità di dati recenti.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.