K2Q Capital

01KI & Unternehmensoffenlegungen

PeerJ Computer Science, 2025Peer-Review-geprüft

Von Worten zu Renditen: Sentimentanalyse japanischer 10‑K-Berichte mit fortgeschrittenen großen Sprachmodellen

Originaltitel: From Words to Returns: Sentiment Analysis of Japanese 10-K Reports Using Advanced Large Language Models

Katsuhiko Okada, Moe Nakasuji, Yasutomo Tsukioka, Takahiro Yamasaki

Zusammenfassung

Diese Forschung untersucht, ob fortgeschrittene große Sprachmodelle aus Unternehmensoffenlegungen anlagerelevante Informationen extrahieren können, die herkömmliche Methoden der Textanalyse nicht erkennen.

Anhand umfangreicher japanischer Unternehmensberichte vergleicht die Studie LLM-basierte Analysen mit traditionellen wörterbuchbasierten Verfahren und Ansätzen des maschinellen Lernens und zeigt, dass leistungsfähige Sprachmodelle ökonomisch bedeutsame Informationen in öffentlich verfügbaren Finanztexten aufdecken können.

Relevanz für Investments

Unternehmensoffenlegungen enthalten weit mehr Informationen, als herkömmliche numerische Datensätze erfassen. Diese Forschung zeigt, wie unstrukturierte Finanzinformationen in systematische Forschungssignale überführt werden können und wie neue KI-basierte Signale rigoros mit traditionellen Methoden verglichen werden können.

Peer-Review-geprüfte Studie lesen

02Dynamische Investmentthemen

Laufende Forschung

Momentum ohne Momentum: Textbasierte Themen und die Prognostizierbarkeit von Renditen in Japan

Originaltitel: Momentum Without Momentum: Text-Based Themes and Return Predictability in Japan

Zusammenfassung

Traditionelle Sektorklassifikationen gehen davon aus, dass wirtschaftlich verwandte Unternehmen derselben Branche angehören. Diese Forschung fragt, ob gerade diese Annahme möglicherweise wichtige Investmentinformationen verdeckt.

Mithilfe einer semantischen Analyse von Unternehmensbeschreibungen werden Unternehmen danach gruppiert, was sie tatsächlich tun, und nicht nach ihrer offiziellen Branchenzuordnung. Diese datengetriebenen Themen verbinden wirtschaftlich verwandte Unternehmen über herkömmliche Sektorgrenzen hinweg.

Die Ergebnisse deuten darauf hin, dass die Prognostizierbarkeit von Renditen sichtbar wird, wenn ökonomisch beständige Themen identifiziert werden – selbst in einem Markt, in dem herkömmliches Aktien- und Branchenmomentum schwach ist.

Relevanz für Investments

Die Forschung legt nahe, dass die Art und Weise, wie Investoren Unternehmen klassifizieren, selbst bestimmen kann, welche Informationen sie sehen. KI-basierte Klassifikationen können verborgene ökonomische Zusammenhänge offenlegen – darunter gemeinsame Geschäftsaktivitäten, Lieferkettenabhängigkeiten, Technologien oder Quellen fundamentaler Risiken –, die statische Branchenklassifikationen nicht erfassen. Für Asset Manager eröffnet dies eine weiterreichende Forschungsfrage: Welche anderen Investmentsignale werden sichtbar, wenn wir die Art und Weise ändern, wie das Anlageuniversum definiert wird?

03Deep Learning & Marktinformationen

Laufende Forschung

Entschlüsselung des besonderen Kursverhaltens am japanischen Aktienmarkt mit Convolutional Neural Networks

Originaltitel: Decoding the Unique Price Behavior in the Japanese Stock Market with Convolutional Neural Networks

Zusammenfassung

Diese Forschung untersucht, ob die visuelle Struktur historischer Kursbewegungen Informationen enthält, die herkömmliche renditebasierte Modelle nicht erfassen.

Indem Kursverläufe als Bilder behandelt und Convolutional Neural Networks angewendet werden, erkundet die Studie eine grundlegend andere Darstellung von Marktinformationen.

Relevanz für Investments

Prognostische Informationen können nicht nur davon abhängen, welche Variablen verwendet werden, sondern auch davon, wie Finanzinformationen dargestellt werden. Dies veranschaulicht die übergreifende Forschungsphilosophie von K2Q: Unkonventionelle Darstellungen vertrauter Daten können Muster sichtbar machen, die herkömmlichen Modellen verborgen bleiben.

Ausgewählte Forschung & Anwendungen

Von Worten zu Renditen: Sentimentanalyse japanischer 10‑K-Berichte mit fortgeschrittenen großen Sprachmodellen

Momentum ohne Momentum: Textbasierte Themen und die Prognostizierbarkeit von Renditen in Japan

Entschlüsselung des besonderen Kursverhaltens am japanischen Aktienmarkt mit Convolutional Neural Networks

Weitere wissenschaftliche Forschung