量化金融 · 2026年11月11日（周三）

arXiv 量化金融（q-fin）。

RSS 订阅
arXiv cs.CL · cs.IR · q-fin.ST

Point-in-Time Encoders for Earnings Calls

说明面向财报电话会议的时点编码器：避免前视偏差的文本向量模型

简介该论文针对财报电话会议文本，训练了按年份截止（2010至2024年）的编码器版本，每个版本只读取截止日期之前的文本，以避免回测中的前视偏差。作者用412,248场电话会议训练，并在问答对上微调。结果显示，这些只用电话会议训练的小模型在检索任务上优于所测试的通用检索器；在预测次日收益方面，向量对排序相关性有所提高，但并未明显改善收益预测，时点版本主要对检索有益。

Alessio Brini

arXiv q-fin.TR · math.PR

Deep Learning for Operator Maps in Optimal Liquidation

说明用于最优清算中算子映射的深度学习方法

简介该论文研究一类最优执行问题，其中价格动态受一般的瞬时冲击核影响，并分析了最优交易策略的解映射。作者证明该映射关于临时冲击、瞬时冲击及基础价格过程等模型参数是局部Lipschitz连续的，从而为以模型参数为输入的神经网络近似提供依据。论文还给出了生成训练样本、将核投影到有限维表示以及降维的方法，并用训练好的神经网络量化了错误设定瞬时冲击核所带来的潜在金融成本。

Ryan Donnelly, Luca Galimberti, Brian Healy 等