新研究称AI分类显示：美股对硬数据反应不足，对软故事过度反应

arXiv最新收录、被ICAIF 2026研讨会接收的研究《Buy the Rumor, Sell the News: When Is News Priced In?》利用大语言模型（LLM）分析了2023年至2026年间覆盖约3000只美国股票的457万篇金融新闻文章。研究团队将LLM作为教师模型，通过主动学习蒸馏出一个紧凑的分类器，为每篇文章分配17种事件标签及五个属性，并将文章聚类以区分首次报道与后续跟进。

通过对168万个股票日事件的Beta调整异常收益进行测量，研究得出三个主要结论。首先，与新闻相关的价格变动集中在发布前和发布时：在所有有方向性的事件中，截至发布日收盘的累计移动幅度是二十天后值的2.8倍；对于标记为“谣言”的事件，方向性回报集中在谣言事件本身，随后的非谣言关联事件几乎没有增量回报。

其次，相对于中性情绪的控制组，市场对“数字”反应不足，而对“故事”反应过度。量化的基本面新闻（如财报、股息、指引、分析师行动）会在数周内持续向新闻方向漂移，而软性的故事驱动新闻（如产品发布、宏观评论、领导层变动）则会迅速回吐其涨幅。第三，新闻不仅携带方向信息，还携带宽度信息：中性新闻会提高发布日的波动率。

该研究提供了一个按事件标签测量的漂移表，可作为新闻条件预测模型的先验知识。这一结果提示，在使用AI进行投资研究时，区分新闻的“量化属性”与“叙事属性”对于判断市场吸收速度和潜在套利空间至关重要。