Knowledge-Based Systems 2022 · Semantic Models of Financial Markets
Stock Portfolio Selection Balancing Variance and Tail Risk via Stock Vector Representation Acquired from Price Data and Texts
用事件分布上的内积空间统一股票、新闻和价格，将文本对罕见事件的记录转化为组合风险几何，在方差风险之外显式改善负收益尾部。
为什么协方差看不见全部风险
Markowitz 均值—方差模型把资产风险压缩为历史收益协方差。对于近似平稳、样本充分的常态波动，这一统计量具有清晰的几何意义；但金融市场的损失分布具有厚尾，真正决定长期风险的极端事件在有限价格序列中出现次数很少，协方差估计容易低估它们。
新闻文本具有相反的采样机制：日常小幅波动未必成为报道对象，危机、政策冲击、事故与供应链中断却会被集中记录。因此，文本并不是价格序列的低质量替代，而是对尾部事件有偏但有用的观测。技术难点在于，价格、新闻、公司和事件属于不同数据类型，若只把情绪分数或文本向量拼接到价格模型中，缺少统一的风险解释。
NESTED：事件分布诱导的 Hilbert 空间
论文提出 NESTED（NEws-STock space with Event Distribution），把股票、新闻和潜在事件表示在同一内积空间 中。股票向量不是静态行业标签，而是由文本与价格通过潜在事件分布共同确定。任意两只股票的语义关系写为
其中 是股票向量的 Gram 矩阵。内积越大，表示两只股票对相似事件具有更接近的语义暴露。这样，异质数据被转化为与协方差同样可进入二次优化的几何对象，而不需要为每类新闻预先制定事件标签。
这一形式也提供了理论上的连接。协方差可以看作随机变量在 空间中的内积；NESTED 将“收益共同变化”推广为“市场对象在事件分布下共同响应”。因此，股票向量并非附加特征，而是对 Markowitz 风险空间的扩展。
在同一目标中平衡方差与尾部
经典组合问题为
NESTED 用语义 Gram 矩阵补充或重构风险矩阵，使投资权重同时受到价格协方差与事件语义相关性的约束。前者主要刻画高频、非尾部的共同波动，后者利用新闻中稀疏但集中的极端事件信号。两种风险不被压缩为一个黑箱预测分数，而是在组合几何中保持可解释的作用。
若组合损失 的尾部满足
Pareto 指数 越大，极端负收益的尾部越轻。论文因而不仅比较平均收益，还测量生成组合的负收益尾部和风险调整后收益，从而区分“赚得更多”与“通过承担更厚的尾部获得表面收益”。
三个市场上的一致证据
实验覆盖三个市场的 组新闻—价格数据，并用神经模型从新闻与历史价格中获得股票表示。NESTED 组合在三个市场上均提高负收益尾部的 Pareto 指数，说明文本表示捕获的不是简单的日常协方差，而是与极端事件暴露相关的风险结构。
在平衡尾部与非尾部风险的设置中，方法最高取得 45.5% 的收益提升和 59.4% 的 Information ratio 提升。关键不是某一个市场上的单次最优结果，而是尾部指标在三个市场上方向一致：新闻语义提供了有限价格样本之外的风险信息。
结论与边界
NESTED 给出了金融自然语言处理与现代组合理论之间的数学接口。它把新闻文本从预测器的输入提升为风险空间的组成部分，并说明语义表示可以服务于极端事件管理，而不只服务于涨跌分类。
这种表示仍依赖新闻覆盖、文本编码器和训练窗口。媒体对事件的选择性报道可能遗漏未公开风险，也可能放大市场关注而非基本面影响；向量内积描述共同暴露，不自动建立因果关系。实际部署还需要纳入交易成本、流动性、空头限制和市场状态变化。下一步研究应关注随时间演化的金融语义空间，以及语义 Gram 矩阵在危机前后的谱突变。