无后见之明读新闻：NoLBERT主题与股票收益预测

01 摘要

研究使用仅基于1976-1995年文本预训练的NoLBERT，通过对比学习微调为句子编码器，生成新闻主题并用其构造注意力冲击与股票暴露，预测美国前1000大股票收益。实验在2013-2019年拟合、2020-2021年验证、2022-2024年测试，发现验证集表现最好的模型在所有调仓频率下均亏损；将注意力冲击的参照窗口从5个交易日延长至63个交易日可提升所有读者的测试秩IC。NoLBERT主题最稳定，预测表现与LDA相当；组合所有读者和模型的等权策略月净夏普为1.12，在未调整搜索前显著异于零，但相对于仅价格基准不显著。

02 关键点

1. 验证集上表现最佳的模型在样本外（2022-2024）所有调仓频率下均亏损，说明验证集选择可能无法泛化。
2. 将注意力冲击的参照窗口从5个交易日改为过去63个交易日，可提升所有主题提取方法（LDA、MiniLM、FinBERT、NoLBERT）的测试秩IC。
3. NoLBERT生成的主题稳定性最高，预测表现与LDA大致相当；等权组合所有模型与读者月净夏普1.12，但相对仅价格基准不显著。