All Posts

閱讀 COLING 2012 Demo 論文 Visualization on Financial Terms via Risk Ranking from Financial Reports。這是王釧茹老師財報風險研究線最早的一篇：在還沒引入金融情緒詞典（那是 2013 年的事）之前，它先做了一件更根本的事——把 Kogan 2009 的「回歸預測波動率」改成「學習排序（learning-to-rank）公司相對風險」，並用 Ranking SVM 顯著打敗 SVR。它也提供了一個雷達圖視覺化介面，把高風險與低風險的字攤開來看。理解這篇，才看得懂後面 ai-090／091／094 為什麼一路都在用排序。

閱讀 European Journal of Operational Research (EJOR) 2017 論文 On the Risk Prediction and Analysis of Soft Information in Finance Reports。這是 ai-091（IJCNLP 2013）的期刊完整版：同一套語料、同一套 ALL vs SEN 方法，但補上了 ai-091 最缺的一塊——一條「只用前 12 個月波動率、完全不看文字」的基準線 BL，並用 permutation test 檢定「軟資訊（文字）到底有沒有比硬數據多提供訊息」。結論誠實而微妙：在排序任務上，只用 1,546 個情緒詞就能顯著贏過硬數據基準；在回歸任務上則只是打平。

閱讀 ACM TMIS 2016 期刊論文 Discovering Finance Keywords via Continuous-Space Language Models。這是上一篇 ai-092（EMNLP 2014）的期刊完整版：語料從 11 年擴到 18 年（40,708 份 10-K、125,370 個詞），任務從 2 個擴到 4 個（post-event volatility、stock volatility、abnormal trading volume、excess return），並新增 LDA 擴充當對照組、t-SNE 詞向量視覺化，以及從資產／負債／權益三個會計視角拆解擴充出來的關鍵字。結論很誠實：在兩個波動率任務上擴充明顯有效且顯著，但在交易量與超額報酬上，純文字幾乎預測不動。

閱讀 EMNLP 2014 論文 Financial Keyword Expansion via Continuous Word Vector Representations。上一篇 ai-091 證明只留 1,546 個金融情緒詞就足夠，這篇則反過來問：既有詞典本身就不完整，能不能用 word2vec 自動補齊？研究以 CBOW 從 10-K 的 MD&A 學詞向量，把原始情緒詞典擴充成 9,282（EXP-SIM）與 13,534 個詞（EXP-SYN），並首次把 POS 詞性標記加進 CBOW 訓練。結果顯示擴充後的詞典在波動率回歸與風險排序上都穩定優於原始詞典與隨機擴充。

閱讀 IJCNLP 2013 論文 Financial Sentiment Analysis for Risk Prediction。研究將 Form 10-K 的 MD&A 從數萬個原始詞彙縮減為 1,546 個金融情緒詞，再以 SVR 與 Ranking SVM 預測未來 12 個月波動率及公司風險排序。結果顯示，金融情緒詞模型的平均表現與完整原文相當，並產生更一致且容易理解的風險詞彙。

閱讀 ECML-PKDD 2021 論文 XRR: Explainable Risk Ranking for Financial Reports。XRR 不直接預測公司的精確波動率，而是從 Form 10-K 的 MD&A 比較企業的相對風險，透過階層式 BiGRU、字詞與句子 Attention、Siamese Network 及 Pairwise Ranking，找出高風險公司與影響判斷的財報文字。

閱讀 NAACL 2025 系統展示論文 SURF: A System to Unveil Explainable Risk Relations between Firms。SURF 從企業 Form 10-K 找出共同風險段落，以 RRS 量化公司之間的風險關係，再透過互動式網路圖、原文證據與 LLM 摘要，讓使用者理解兩家公司為什麼被連接。

閱讀論文 Financial Risk Relation Identification through Dual-view Adaptation。這篇研究不再只用產業分類定義公司關係，而是從不同公司的 Form 10-K 風險段落中，透過時間與詞彙雙視角訓練金融檢索模型，找出共同風險段落，並以風險關係分數 RRS 量化企業之間的共同風險暴露。

閱讀論文 A Compare-and-contrast Multistage Pipeline for Uncovering Financial Signals in Financial Reports。這篇研究不直接摘要單一年度財報，而是比較同一家公司連續兩年的 10-K，透過片段配對、關係辨識、偽標籤與軟標籤，標示真正代表年度變化的財務訊號。