金融AIが分けて扱ってきた二つの信号
決算発表ではEPS・売上高の市場予想との差といった数値が先に届き、30〜90分後の電話会議で経営陣のトーン、ガイダンス、質疑応答の信頼性が追加されます。金融経済学は前者、自然言語処理は後者を中心に研究してきましたが、目標と評価指標が異なり直接比較が困難でした。
研究者は EarningsInOne を提案しました。2022〜2025年のS&P 1500企業について、決算ニュース、Earnings Call Transcript、日中と翌日の株価を時系列で結び付けたコーパスです。
研究が報告したパターン
- EPS・売上高サプライズなどの定量信号は発表時に最も強く、翌日の市場開始までに大部分が価格へ反映されました。
- 電話会議の定性的なセンチメント信号は翌取引日にピークを迎えました。
- 従来のNLP評価が方向性収益ではなく符号に依存しないボラティリティ誤差を最適化し、言語信号の方向性を隠した可能性があると主張しています。
要点は「AIが株価を予測する」ことではありません。異なる時点で届く数字と言語を共通の取引・評価枠組みで比較すべきだという方法論です。
用途と限界
決算分析エージェント、開示要約、イベント型金融NLPベンチマークに利用できる可能性があります。ただしarXivプレプリントで査読前です。2022〜2025年の米国大型・中型株の結果が他国や別の市場局面へ一般化するとは限りません。取引コスト、データ遅延、実際の約定もバックテスト成績を下げます。
確認すべき点
データ公開範囲、生存者バイアス、時刻整列、取引コスト、独立再現が重要です。研究結果は特定の銘柄や戦略の収益を保証せず、本稿は投資助言ではありません。