结构化事件表示与股票收益率可预测性

这篇研究论文探讨了使用大型语言模型（LLM）从新闻文章中提取事件特征来预测股票收益率。作者提出了一种基于结构化事件表示（SER）和注意力机制的新型深度学习模型。主要发现是，这种基于SER的模型在样本外股票收益率预测方面优于现有的文本驱动模型。该模型还提供了可解释的特征结构，可以检查驱动股票收益率可预测性的潜在机制。这突出了LLM和结构化数据在金融预测中的潜力，并为理解市场动态提供了一种新方法。

• •LLM可以有效地用于从新闻文章中提取事件特征。
• •结构化事件表示（SER）模型可以提高股票收益率的预测。
• •SER模型提供了可解释的特征结构，用于理解市场动态。