Large Language Model駆動の小型株取引：金融ニュースセンチメント、マクロ経済指標、テクニカルシグナルの統合

Large Language Model-Driven Small-Capitalization Trading: Integrating Financial News Sentiment, Macroeconomic Indicators, and Technical Signals

https://export.arxiv.org/api/query·2026/8/12

AI要約

大規模言語モデルは、金融ニュースから固定辞書よりも豊かなシグナルを抽出できます。本研究では、モデルが予測したリスクをポートフォリオ配分決定に直接組み込む不確実性認識型構築を提案し、Russell 2000株式市場で評価します。

AI要点

大規模言語モデル（LLM）は、固定的なセンチメント分析よりも豊かな金融ニュース信号を抽出できます。
本研究では、LLMによるリスク予測（偶然的・認識的誤差）をポートフォリオ構築の共分散行列に直接組み込む不確実性対応型手法を提案しています。
Russell 2000指数構成銘柄を対象に、純粋アルファ（マクロ指標で説明できない異常値動き）と純粋ベータ（マクロ指標先行の動き）の3つの選択レジームで評価しました。
特に1日および40日のホライゾンで、個別の株価変動（アルファ）とマクロ経済の動向（ベータ）を分離した戦略が有効であることが示されました。

なぜ重要か

LLMを活用し、ニュースセンチメントとマクロ経済指標、テクニカルシグナルを統合することで、特に小型株市場において、より精緻でリスクを考慮したポートフォリオ構築が可能になることを示唆しています。