新たな研究により、言語モデルが専門的な金融予測において画期的な応用が可能であることが示された。Hinal Jajal氏らがICML 2026に投稿した論文「Global Merger-Arbitrage Forecasting with Language Models」は、M&A裁定取引に特化した予測システムを提案している。M&A裁定取引は高リスクな専門金融活動であり、発表されたM&A案件の結果を予測することが課題となる。従来のLLMによる予測研究が広範なトピックのベンチマークや短いニューススニペットに焦点を当てていたのに対し、本研究は数百ページに及ぶ技術文書の長文脈推論を必要とする設定を扱う。研究チームは、専門家による文脈設計と、過去の取引から得られた事後推論トレースに基づく微調整を組み合わせたシステムを開発した。発表された案件ごとに、システムは3つの排他的結果（公表条件での成立、より高い入札、または取引中止）の確率分布を出力する。
42カ国にまたがる400件以上の大型案件のアウトオブサンプルテストにおいて、微調整されたシステムは評価されたすべての手法の中で最高の性能を達成した。クラスバランス調整済みBrierスコアは0.151で、これは市場織り込み確率に基づくキャリブレーション済み予測よりも24%低く、XGBoostよりも19%低く、GPT-4などの最先端言語モデルよりも25～42%低い値である。また、アブレーション研究により、LLMベースの予測が専門的で長文脈の金融ワークフローにおいて成功するには、事後監督と専門家設計の文脈が重要な役割を果たすことが示された。本論文は2026年7月10日にarXivに投稿され、ICML 2026に採択されている。この研究成果は、言語モデルが適切な微調整とドメイン知識の統合により、金融などの専門分野で従来手法を凌駕できることを実証している。