10-K文件的哪部分更重要？全文与风险因素情感分析的聚合依赖价值

金融情感提取通常依赖新闻文本和仅针对回报率标签的监督式提取，而10-K文件——以及风险披露最适合预测的波动率目标——相对未被充分探索。一项新研究扩展了监督式词典学习方法，将其应用于10-K文件及其第1A项风险因素部分，针对回报率和波动率标签在三个聚合层级进行训练：行业、投资组合和个体公司。

研究人员使用了2006年至2023年间94家纳斯达克100科技公司的1,383份文件，评估了由此产生的十二种情感指标。评估指标包括分类准确性、与市场实际结果的相关性以及词汇内容的定性分析。结果表明，全文本在行业和投资组合层面对于两个目标都能产生更准确的情感分析。然而，在个体公司层面，这一趋势发生反转：较窄的第1A项风险因素部分表现更好。研究人员将这一效应归因于文档量级与每个聚合层级可用的独立训练信号数量之间的相互作用。

此外，研究使用Loughran-McDonald词典作为基线，发现该词典在所有测试层级均与价格呈强烈负相关。这一发现强调了监督方法在监管披露文本中的价值，因为词典方法无法捕捉特定语境下的情感。

这些发现及其所启发的设计选择，为后续更大规模、多源系统奠定了情感生成方法的基础。该研究为金融情感分析领域提供了重要见解，特别是在处理10-K文件等结构化披露信息时，应根据分析层级选择合适的文本范围。

研究的创新之处在于同时考虑了回报率和波动率两个标签，并在三个不同的聚合层级上进行比较，揭示了文档长度与训练信号可用性之间的权衡。这一权衡对于实践者设计情感分析系统具有指导意义：当目标是预测行业或板块走势时，应使用全文；而当目标是预测个股风险时，应聚焦于风险因素段落。Loughran-McDonald词典的持续负面相关进一步印证了无监督方法的局限性，并强化了领域自适应监督学习的必要性。