文本信号的供应链传播：LLM嵌入与横截面收益可预测性

本文提出了一种新颖的资产定价框架，该框架将年度报告披露的大语言模型（LLM）嵌入与供应链知识图谱（KG）传播相结合。利用2011-2025年间255家标普500公司的10-K MD&A章节的FinBERT嵌入，构建了两组收益预测因子：直接LLM嵌入和网络增强嵌入，其中公司层面的信号通过公司间联系进行传播。Fama-MacBeth横截面回归显示，网络增强因子（net_pc_5）具有显著的收益可预测性，Newey-West t统计量为-2.64，即使在控制动量、波动率和公司规模之后也是如此。基于net_pc_5排序的多空组合实现了0.86的年化夏普比率和每年7.27%的Fama-French五因子alpha（t = 2.30）。预测能力在样本外测试、安慰剂实验、行业中性化和子样本分析中依然存在。研究结果表明，公司间网络结构包含超越公司层面文本披露的定价相关信息。