Newest papers

From Word Counts to Context: Topic Models for Asset Pricing

Kevin Foley, Jonathan Hartadi, Shivesh Prakash, Swapnil Vatsal · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2609.34169 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Tin tức có thể tiết lộ bối cảnh rủi ro có hệ thống, nhưng nếu bối cảnh của nó tăng cường việc xây dựng các yếu tố rủi ro có hệ thống vẫn chưa rõ ràng. Chúng tôi tìm cách kiểm tra xem việc sử dụng một nhà biến đổi câu có đại diện cho một cải tiến so với các kỹ thuật như LDA (Latent Dirichlet Allocation) trong tính nhất quán của các danh sách thuật ngữ chủ đề được tạo ra từ dữ liệu văn bản không có cấu trúc hay không. Để kiểm tra điều này, cùng một bộ sưu tập dữ liệu văn bản không có cấu trúc bao gồm 394.661 bài viết và cùng một đường ống dẫn xây dựng danh mục tài chính tiếp theo đã được áp dụng với lớp văn bản khác nhau, bao gồm độ dài của văn bản bài viết mỗi mô hình được sử dụng và cách các thuật ngữ chủ đề được xếp hạng: chúng tôi so sánh LDA

Machine translation (Meta M2M100); the English original follows.

Abstract

News may reveal systematic risk, but whether its context enhances the construction of systematic risk factors is still unclear. We seek to test whether utilizing a sentence transformer represents an improvement over techniques such as Latent Dirichlet Allocation (LDA) in the coherence of topic term lists generated from unstructured text data. To test this, the same collection of unstructured text data comprising of 394,661 articles and the same downstream financial portfolio construction pipeline were applied with the text layer differing, including the length of article text each model used and how topic terms were ranked: we benchmark LDA against a frozen sentence transformer with k-means clustering. We find that the sentence transformer branch had higher observed scores both in terms of coherence (measured by NPMI) as well as financial performance (measured by Sharpe), although the available tests do not establish outperformance. Further exploratory specifications such as utilizing spherical clustering and multi-horizon exposures had an observed excess-return Sharpe of 1.03 for the combined model. We believe that there is some promise in applying context-aware techniques on unstructured news text, but stricter tests using only information available at each date and broader datasets may be required to enhance the confidence in the observed performance.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Latent Dirichlet allocation, Topic model, Computer science, Portfolio, Sentence, Transformer

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange