10-K檔案的哪部分更重要？全文與風險因素情感分析的聚合依賴價值

金融情感提取通常依賴新聞文本和僅針對回報率標籤的監督式提取，而10-K檔案——以及風險披露最適合預測的波動率目標——相對未被充分探索。一項新研究擴充套件了監督式詞典學習方法，將其應用於10-K檔案及其第1A項風險因素部分，針對回報率和波動率標籤在三個聚合層級進行訓練：行業、投資組合和個體公司。

研究人員使用了2006年至2023年間94家納斯達克100科技公司的1,383份檔案，評估了由此產生的十二種情感指標。評估指標包括分類準確性、與市場實際結果的相關性以及詞彙內容的定性分析。結果表明，全文本在行業和投資組合層面對於兩個目標都能產生更準確的情感分析。然而，在個體公司層面，這一趨勢發生反轉：較窄的第1A項風險因素部分表現更好。研究人員將這一效應歸因於文件量級與每個聚合層級可用的獨立訓練訊號數量之間的相互作用。

此外，研究使用Loughran-McDonald詞典作為基線，發現該詞典在所有測試層級均與價格呈強烈負相關。這一發現強調了監督方法在監管披露文本中的價值，因為詞典方法無法捕捉特定語境下的情感。

這些發現及其所啟發的設計選擇，為後續更大規模、多源系統奠定了情感生成方法的基礎。該研究為金融情感分析領域提供了重要見解，特別是在處理10-K檔案等結構化披露資訊時，應根據分析層級選擇合適的文本範圍。

研究的創新之處在於同時考慮了回報率和波動率兩個標籤，並在三個不同的聚合層級上進行比較，揭示了文件長度與訓練訊號可用性之間的權衡。這一權衡對於實踐者設計情感分析系統具有指導意義：當目標是預測行業或板塊走勢時，應使用全文；而當目標是預測個股風險時，應聚焦於風險因素段落。Loughran-McDonald詞典的持續負面相關進一步印證了無監督方法的侷限性，並強化了領域自適應監督學習的必要性。