LLM新闻事件漂移研究

一项针对美国股市的大规模研究利用大语言模型（LLM）重新定义了市场对新闻的反应机制。该研究分析了2023年至2026年间覆盖约3,000只美股的457万篇金融新闻文章，通过LLM将新闻标记为17种事件类型，并测量了168万个股票日事件的异常回报。研究发现，市场存在显著的“事件漂移”差异：对于包含具体数字的基本面新闻（如财报、股息），市场反应不足，价格在发布后数周内持续向新闻方向漂移；而对于软性故事驱动的新闻（如产品发布、宏观评论），市场反应过度，价格迅速回吐。此外，研究证实“买谣言，卖新闻”的说法在数据上成立，谣言事件的价格变动主要集中在谣言发布当日，后续确认新闻几乎无增量收益。这一发现挑战了传统有效市场假说中关于信息即时吸收的观点，并为基于新闻条件的量化交易模型提供了新的先验基准。【背景】该研究由TailState Intelligence等机构完成，发表于ICAIF 2026会议。