この​記事で​分かる​こと

  • 米国株の約670万本のニュースを言語モデルで数値化した研究で、ニュースの内容の一部は銘柄の規模・割安度・財務の安定性などから事前に予想でき、その部分を除いた「意外な部分」は翌月以降のリターンを強く予測し、その予測力が少なくとも1年半続いたこと（著者らは、市場がこの部分にゆっくりとしか反応しない証拠と解釈している）
  • 否定的な話題と数字の多い話題ほど反応が同じ方向に続きやすく、曖昧な話題と注目を集める話題ほど続きにくい傾向が見られたこと。ただし月次・米国の英語ニュースの結果で、日本では検証されていないこと
  • 日本の適時開示の後の株価反応を、予想できた部分と意外な部分に分け、反応を当日で締めずに窓ごとに追う手順（架空の設例つき）

想定読者：決算や開示の後の株価を説明するエクイティリサーチのアナリスト、運用会社のポートフォリオ・マネージャー、開示の影響を経営陣に報告するIR担当
前提知識：超過リターン、シャープレシオ、回帰分析の係数とt値の大まかな意味

通期の営業利益予想を下方修正した会社の株価が、翌日に7%下がった。顧客から「もう織り込んだのか、まだ下がるのか」と聞かれたとき、アナリストはまず初日の下落の大きさを見て、修正幅と見比べる。だが初日の値動きだけで、市場がその開示をどこまで消化したかは分からない。修正の一部は、業界の事情や前の四半期の数字から誰もが予想していたかもしれない。逆に、予想していなかった部分は、まだ価格に入りきっていないかもしれない。

ニュースが株価にどう織り込まれるかは、効率的市場仮説をめぐる古い問いである。ここで取り上げる研究は、大規模言語​モデル​（LLM）でニュース記事の中身を数値に置き換え、「事前に予想できた内容」と「本当に新しい内容」を分けたうえで、この問いを測り直した。

この記事が主に参照する研究

Antoine Didisheim、Bryan T. Kelly、Mohammad Pourmohammadi、Hanqing Tian（2026）「ニュースの非効率な価格付け（The Inefficient Pricing of News）」NBER Working Paper No. 35093

  • 公表：初版 2026年4月（NBER WP、4月14日版）。参照した版：2026年5月の改訂版。査読：未査読（WP）
  • データ：トムソン・ロイターのニュース約670万本（1銘柄に紐づく記事）と米国株、1996年1月〜2022年12月。月平均4,198銘柄。商用データ
  • 方法：記事を言語モデルで数値のベクトルにし、銘柄の特性で説明できる部分を除いた残りで翌月のリターンを予測する。予測可能性（相関）の分析で、因果の識別ではない
  • 位置づけ：新しいデータと手法による、過小反応・過剰反応という既存の理論の検証

ニュースの​内容は、​出る​前から​ある​程度予想できる

研究はまず、記事を数値にする。言語モデルの一つ（E5-Mistral-7B）に記事を読ませ、意味を4,096個の数値の並び（埋め込み）として取り出し、銘柄ごと・月ごとに平均する。月中に出た記事は、慎重を期して月末の時点で初めて使う1。標本の銘柄のうち、ある月に記事が1本以上ある銘柄は平均52.5%で、時価総額の最上位10%の銘柄では81.5%、最下位10%では30.0%だった。標本は大きく流動性の高い銘柄に偏っている2。

次に、この埋め込みを、その時点の銘柄の特性で回帰する。特性は株式リターンの研究で使われてきた132の指標（規模、簿価時価比率、収益性、レバレッジ、モメンタムなど）である。決定係数は平均約7.7%、業種の区分を加えると10.2%になった3。ハイテク株ならソフトウェアの記事が多く、借入の多い会社なら財務制限条項や格付の記事が多い、という当たり前の傾向が、数字として出てくる。

予想に効くのは、割安度、財務の質、レバレッジの低さ、リスクの低さといった持続的な特性で、直近の株価の勢い（モメンタム）や短期の反転はあまり効かない。12か月前の特性で予想しても、予想の力はほとんど変わらなかった4。著者らは、埋め込みのうち特性で説明できない残差を「pure news」と呼ぶ。本記事では「意外な部分」と訳す。除かれる側の「予想できる部分」（埋め込みの変動の約7.7%、業種込みで10.2%を説明する成分で、記事の内容の1割を取り除くという意味ではない）は、会社の性格に応じて繰り返し書かれる内容に当たる、と著者らは見ている。

予想できる​部分を​除くと、​翌月の​リターンを​予測する​力が​大きく​高まる

研究は、埋め込みを使って翌月のリターンが最も効率よく得られる買いと売りの組合せ（ロング・ショート）を、過去のデータだけで毎月学習し、学習に使っていない翌月で成績を測った5。リスク当たりのリターンを示す年率のシャープレシオは、記事の埋め込みをそのまま使うと1.1、銘柄間の平均を引くと1.7、132の特性で予想できる部分まで除くと3.1になった。同じ期間の既存の132指標で最も高い値は1.41である6（図1）。逆に、予想できる部分だけで組んだ戦略は成績が小さく、市場に対する超過収益も132指標の場合を除き有意ではなかった。著者らはこれを、意外な部分は届いた時点では価格に十分に反映されず、遅れて反応が進む証拠と解釈している7。

図1図1　予想できる部分を除くとどう変わるか年率シャープレシオ（1996〜2022年・米国株）ニュースの戦略既存アノマリーの最良全銘柄ニュースそのもの1.1平均だけ除く1.7予想できる部分を除く3.1既存132指標の最良1.41大型株予想できる部分を除く1.4既存指標の最良0.9小型株予想できる部分を除く2.7既存指標の最良1.5
単位：年率​シャープレシオ​（翌月の​リターンで​測った​アウト・​オブ・​サンプルの​値）。​ニュースの​戦略は​米国株の​月次の​ロング・​ショート。​「予想できる部分を除く」は、​ニュースの​埋め込みから​132の​銘柄特性で​説明できる​部分を​除いた​残差​（pure news）で​組んだ​もの。​大型株・​小型株は NYSE の​時価総額の​中央値で​分けた。​「ニュースそのもの」は​買いと​売りの​金額が​揃わない​組合せ。​既存​アノマリーは Jensen, Kelly and Pedersen​（2022）の​132指標の​うち同じ​標本で​最も​高かった​もの。​取引コストは​引いていない。​出所：R1（p.18〜20、p.23〜25）の​数値を​基に​大手町​プレップ​作成。

既知のアノマリー13群で説明すると、平均を引いただけの戦略では変動の約38%が既知のアノマリーで説明され、年率のアルファは14.6%（t値7.58）だった。予想できる部分を除いた戦略では説明できる割合が11%に下がり、アルファは29.4%（t値12.74）に上がる。どちらも年率の変動を10%に揃えたときの値で、実際の運用の利回りではない8。

成績が上がった理由について、著者らは平均と変動を分けて説明している。レバレッジを一定にすると、予想できる部分を除いても平均リターンは5.3%から4.8%へ少し下がるだけだが、変動は70%減った9。平均が約−9.4%変わり変動が3割になれば、シャープレシオは単純計算で約3.0倍になる（編集部の換算）。著者らは、予想できる部分が既存のアノマリーと連動して動くため、それを除くとリスクが多くの要因に分散され、変動が下がったと解釈している。

予測力の持続も長い。遅らせずに使うと平均リターンは年約30%（変動10%に揃えた値）で、1か月遅らせると予測力はおよそ半分になるが、統計的に有意でなくなるまで少なくとも1年半かかった10。規模別では、大型株で1.4（既存指標の最良は0.9）、小型株で2.7（同1.5）である。著者らは、大型株の値が低いのは銘柄数が少なく分散が効かないためで、大型株の方が効率的にニュースを織り込むからではないと解釈している11。

片側の売買回転率は75%と既存のどのアノマリーより高く、売買1ドル当たり10bpのコストを引くと既存のアノマリーとの差は縮む。直近6か月の記事を平均すると、シャープレシオは3.0近くを保ちながら回転率を下げられ、著者らはコスト控除後でも既存の全アノマリーを上回ると述べている12。

反応が​続く​話題と、​戻る​話題

埋め込みの数字は人には読めない。研究は、別の言語モデルの解釈用の層を使って記事を数千の「話題」に分け、それぞれの話題で、同じ月の株価の反応と翌月のリターンの相関を測った。相関が正なら反応が同じ方向に続いた（過小反応）、負なら反応が戻った（過剰反応）と読む。5,000の話題のうち61.0%で相関が正で、戦略の重みの62.1%は過小反応の話題に置かれていた13。主因は過小反応だが、それだけではない。

話題の性質と相関の関係を見ると、四つの傾向が出た。否定的な語の多い話題と、数字を含む語の多い話題ほど、相関が高い（反応が続きやすい）。曖昧な語の多い話題と、同じ日に記事が集中する話題ほど、相関が低い（図2）14。肯定的な語の比率には、統計的に有意な関係は確認されなかった15。これは性質の高低による相関の差で、平均の相関は正（0.026）だから、曖昧な話題や注目を集める話題で一般に反応が戻るという意味ではない。

図2図2　話題の性質と反応の続きやすさ1標準偏差当たりの係数を平均の相関で割った値右＝反応が続く方向へ　左＝続きにくい方向へ否定的な語の比率+54%係数 +0.014（t値 10.08）数字を含む語の比率+58%係数 +0.015（t値 8.89）曖昧な語の比率−27%係数 −0.007（t値 −5.49）同じ日の記事数−12%係数 −0.003（t値 −2.12）
単位：％​（各性質が​1標準偏差高い​話題で、​反応の​相関が​どれだけ​変わるかを、​相関の​平均0.026に​対する​比で​示した。​比は R1 本文の​表し方）。​相関は、​同じ月の​価格反応と​翌月の​リターンの​相関。​5,000の​話題を​4つの​性質で​同時に​回帰した​列(6)の​係数で、​いずれも​5%水準以下で​有意。​左向きの​棒は​相関が​平均より​低い​ことを​示し、​その​性質の​話題で​反応が​戻る​ことまでは​意味しない​（平均の相関は正）。​決定係数は​0.041で、​話題ごとの​違いの​大半は​4つの​性質では​説明されない。​性質は Loughran–McDonald 辞書の​否定語・​不確実性語の​比率、​数字を​含む語の​比率、​同じ​銘柄・​同じ​日の​記事数​（対数）。​1996〜2022年の​米国の​英語​ニュース。​出所：R1（表5 p.42、本文 p.41〜43）の​数値を​基に​大手町​プレップ​作成。

具体例として、反応が続く側には企業の刑事訴追や食品の回収、EPSの見通しの更新や前年比の業績指標が、著者らが過剰反応の例として挙げる側には重大な悪影響に関する開示、提案段階の企業取引、日中の株価の急変を伝える記事が挙がっている16。ただし四つの性質を合わせても、話題ごとの相関の違いのうち説明できたのは決定係数で0.041にとどまる。傾向は有意だが、個々の話題の動きを言い当てる力は小さい。

戦略の中身は時代とともに変わった。企業の再編や資本政策の話題は期間を通じて主要で、売買動向の話題はITバブル後に消え、会社の業績見通し（ガイダンス）の話題は終盤に最大のテーマになった17。

研究の​対象と、​読む​ときの​注意

結果は、米国株と英語のニュースに限られる。著者らは国際比較を次の版で行うとしている18。月次の分析で、記事は月末にまとめて使うため、開示の当日から数日の値動きは直接は見ていない。成績はロング・ショートの組合せで測ったもので、個別銘柄の値動きを当てたわけではない。過小・過剰反応の相関も、話題ごとに組んだポートフォリオの値動きから測っている。

言語モデルが将来の出来事を学習済みで、過去の予測が良く見える先読みの​偏りについては、各時点までのデータだけで学習したモデルでも確かめている。先読みを許したモデルと許さないモデルのシャープレシオは1.61と1.63でほぼ同じだった。ただしモデルが小さいため、値そのものは1.6に下がる19。モデルを大きくするほど値は上がり（1.5から4.1）、別のニュース源（Dow Jones）でも3.7、従来型の5分位の並べ替えでも上位と下位の差は上限付き時価加重で年6.7%（市場に対するアルファも年6.7%、そのt値6.1）だった20。

一方、5年ごとのシャープレシオは2018年以降に下がり、終盤は2.1〜2.5だった。著者らは言語モデルの普及で同じ情報を使う投資家が増えた可能性を挙げるが、検証はしていない21。論文は査読前の working paper で、共著者の一人は運用会社からのコンサルティング収入を開示している22。

前身の研究とも比べておく。Kelly を共著者に含む Ke、Kelly、Xiu（2019年）は、Dow Jones のニュースを日次で調べ、新しいニュースは4日、過去1週間の記事と似た古いニュースは2日で価格に織り込まれたと報告した23。大型株は1日、小型株は3日である24。今回の研究の「1年半」は、月次で、予想できる部分を除いた残差について、ロング・ショートの予測力が消えるまでの期間で、日次の研究の「数日」とは測っているものが違う。両者は矛盾するというより、短い窓で大半が動き、残りの小さな部分が長く続くという姿と整合的に読める（編集部の整理）。

大手町​プレップの​考察：​「織り込み済み」を​判断する​前に​分ける​もの

ここからは編集部の推論で、研究が検証したものではない。

第一に、開示の後の株価反応を評価するときは、開示の内容を「事前に予想できた部分」と「意外な部分」に分けてから見るべきだと考える。研究では、予想できる部分を混ぜたままではニュースの予測力が小さく見え、著者らはそのために反応の遅れが過小評価されてきたと解釈している。実務でも、業界全体の逆風のように誰もが知っていた材料と、会社固有の意外な材料を一つの「悪材料」として扱うと、初日の反応が十分かどうかの判断を誤りやすい。

第二に、数字の多い悪い知らせほど、初日で反応を締めない方がよい。研究の米国標本では、否定的で数字の多い話題で反応が続く傾向があった。業績予想の下方修正は、その両方を満たす典型である。

第三に、曖昧な表現の開示や、報道が集中した話題では、初日の反応がそのまま続くと決めつけず、行き過ぎの可能性も疑う。「検討を開始した」「影響が生じる可能性がある」といった開示は、研究でいう曖昧な話題に近いと編集部は考える。

ただし、研究の結果は月次で、ロング・ショートの組合せの平均的な性質である。1銘柄の1回の開示で、その後の値動きの方向が決まるわけではない。

日本の​実務への​応用：適時開示の​後の​反応を​どう​読むか

日本の上場会社は、会社情報の適時開示にTDnetを使うことが上場規程で義務付けられており、開示資料は報道機関への公開と同じ時刻に適時開示情報閲覧サービスに掲載される25。決算短信の情報は XBRL 形式でも配信されている26。日本では、会社自身の開示が最初の「ニュース」になる場面が多いと考えられ、研究が使った報道記事とは性質が違う。言語も市場の参加者も違うため、研究の数値を日本株の期待リターンとして使うことはできない。

それでも、使える考え方は二つある。一つは、開示の数字をコンセンサス​予想や会社の前回予想と比べ、すでに予想されていた部分を差し引いてから決算​サプライズを測ることである。研究の「予想できる部分」は銘柄の属性から統計的に予想できる内容で、コンセンサスとは別の概念だが、「新しい情報だけを取り出してから反応を測る」という順序は共通する。もう一つは、反応を当日・1週間・1か月・3か月と窓に分け、市場全体の動きを除いた超​過リターンで追うことである。

開示の種類で読み方を分けることもできる。業績予想の​修正や月次の売上のように数字が中心の開示と、報道を受けた「決定した事実はない」というコメントや検討の開始の開示とでは、研究の傾向に照らすと、反応の続き方が違う可能性がある。これは日本では確かめられていない仮説として、自分の担当銘柄の記録で検証していく対象である。

学習用の​設例：下方修正と​提携報道の​後を​追う

学習用の設例（架空）

  • A社：通期の営業利益予想を105億円から92億円へ下方修正した。修正直前のコンセンサスは100億円。β1.1
  • B社：資本業務提携を検討しているとの報道が出て、会社は「検討しているが決定した事実はない」と開示した。β0.9
  • 株価と TOPIX のリターンは窓ごとの架空の値。超過リターンは株価−β×TOPIX の単純な差で計算する

まずA社の修正を分ける（表1）。修正幅の合計は13億円だが、コンセンサスはすでに5億円分の下振れを見込んでいた。意外な部分は8億円、合計の62%である。会社予想比では−12.4%の修正でも、市場にとっての意外さはコンセンサス比の−8.0%で測るのが自然だ。

表1　A社の下方修正を「予想できた部分」と「意外な部分」に分ける（学習用の設例・架空）

表は横にスクロールできます →

営業利益（億円）分解
修正前の会社予想105—
修正直前のコンセンサス100予想できた下方修正 5（38%）
修正後の会社予想92意外な下方修正 8（62%）
修正幅の合計−13会社予想比 −12.4%／コンセンサス比 −8.0%
単位：億円​（営業利益の通期予想）、％。​コンセンサスは​修正直前の​アナリスト​予想の​平均と​仮定。​括弧内は​修正幅の​合計13億円に​対する比。​R1 の​「予想できる部分」は​銘柄の​属性から​統計的に​予測できる​ニュースの​内容を​指し、​この​表の​コンセンサス​比とは​別の​概念である​（編集部が考え方を実務の数字に置き換えた例）。​出所：学習用の​仮定に​基づき大手町​プレップ​作成。

次に、開示後の超過リターンを窓ごとに並べる（表2）。A社は当日の超過リターンが−6.5%で、翌日から60日後までにさらに−8.2%動いた。当日の反応と同じ方向に、その約127%分が後から続いたことになる。B社は当日+8.7%上がったが、その後の累積は−6.4%で、当日の上昇の約74%を戻した。

表2　開示後の超過リターンを窓ごとに分ける（学習用の設例・架空）

表は横にスクロールできます →

当日1〜5日後6〜20日後21〜60日後
A社：業績予想の下方修正（β 1.1）
　株価のリターン−7.0−2.4−1.8−0.6
　TOPIXのリターン−0.5+0.6+1.0+1.5
　超過リターン−6.5−3.1−2.9−2.3
B社：提携検討の報道（β 0.9）
　株価のリターン+9.0−3.5−2.0+0.5
　TOPIXのリターン+0.3−0.4+0.8+1.2
　超過リターン+8.7−3.1−2.7−0.6
単位：％。​超過​リターン＝株価の​リターン−β×TOPIXの​リターン​（窓ごとの単純な差で、日次の複利とαは無視）。​翌日以降​（1〜60日後）の​累積は​A社−8.2%、​B社−6.4%。​βを​0.8・1.2に​変えると​A社の​累積は​−7.3%・−8.5%。​数値は​すべて​架空で、​R1 の​結果を​示す​ものではない。​出所：学習用の​仮定に​基づき大手町​プレップ​作成。

この設例の値動きは、計算の練習のために研究の傾向に合わせて作ったもので、証拠ではない。実務で確かめるべきは、βの置き方で結論が変わらないかである。A社でβを0.8にすると翌日以降の累積は−7.3%、1.2なら−8.5%で、この例では方向は変わらない。市場全体が大きく動いた期間ほど、βの差が結論を左右する。

明日から​使える​確認項目

  1. 開示の数字を三つと比べる：会社の前回予想、修正直前のコンセンサス、前年同期。コンセンサス比の差を「意外な部分」として記録し、前回予想比と分けて報告する。
  2. 開示を「数字が中心か」「否定的な内容か」「曖昧な表現か」「報道が集中したか」の4点で分類し、開示ごとの記録に残す。
  3. 超過リターンを当日、1〜5日後、6〜20日後、21〜60日後の窓で計算する。βは過去1年など期間を決めて回帰で​推定し、別のβでも方向が変わらないかを確かめる。
  4. 翌日以降の累積が当日の反応と同じ方向か逆方向かを、上の分類ごとに集計する。担当銘柄で20件程度たまるまでは傾向を判断しない（件数は編集部の仮の目安で、研究で検証されたものではない）。
  5. 「もう織り込んだ」と説明する前に、意外な部分の大きさと当日の反応の大きさが見合っているかを、過去の同種の開示と比べて点検する。

よく​ある​質問

この​研究どおりに​売買すれば​利益が​出ますか。

そうとは​言えません。​結果は​米国株・​英語の​ニュース・1996〜2022年の​標本で、​大規模な​データと​計算資源を​使った​ロング・​ショートの​成績です。​回転率が​高く、​取引コストで​差は​縮みます。​2018年以降は​成績が​下がっており、​日本株での​検証も​ありません。

​大型株なら​開示は​すぐ​織り​込まれるのではありませんか。

研究では​大型株の​値は​小型株より​低かった​ものの、​著者らは​銘柄数の​差に​よる​分散の​違いが​主因で、​大型株でも​織り込みの​非効率は​同程度と​解釈しています。​ただし​これは​米国の​月次の​結果に​基づく​解釈です。

まとめ

米国のニュースを言語モデルで数値化した研究では、ニュースの内容の一部は銘柄の属性から予想でき、その部分を除いた意外な部分は翌月以降のリターンを強く予測し、その力は少なくとも1年半続いた。著者らはこれを市場の反応の遅れと解釈している。否定的で数字の多い話題ほど反応が続きやすく、曖昧で注目を集める話題ほど続きにくい傾向があった。日本の開示に当てはめるなら、数字をコンセンサスと前回予想で分けて意外な部分を取り出し、反応を窓に分けて追う手順が使える。研究の数値そのものは日本では検証されておらず、自分の記録で確かめる必要がある。

次に​読む

脚注

  1. R1（NBER WP 改訂版, 2026年5月） p.9〜10（§2）。ページは PDF の物理ページ（印刷ページ＋2。以下同じ）。埋め込みは記事内の語の埋め込みの単純平均を銘柄・月で平均し、過去のデータだけで標準化する。↩
  2. R1（NBER WP 改訂版, 2026年5月） p.10（§2）、表2 p.11。記事のある銘柄の月平均の記事数は8.7本、最上位10%で19.7本、最下位10%で4.6本。↩
  3. R1（NBER WP 改訂版, 2026年5月） p.10（132の指標は Jensen, Kelly and Pedersen 2022 の JKP データ）、p.13〜14（図2）。ベータだけでは1%未満、規模と簿価時価比率を加えて2%、収益性・投資・モメンタムまでで2.6%。決定係数は自由度調整済みで、4,096の座標をまとめた値。↩
  4. R1（NBER WP 改訂版, 2026年5月） 表3 p.15、p.14〜15（図3、ラグ12か月まで）。テーマ別の平均決定係数はバリュー0.037、クオリティ0.034、低レバレッジ0.031に対し、モメンタム0.014、短期リバーサル0.006。埋め込みが企業の構造的な経済の物語を表すという解釈は p.14 の著者の記述。初版（2026年4月）は残差を news shocks と呼んでいた。↩
  5. R1（NBER WP 改訂版, 2026年5月） p.16〜17（§4.1）。最大シャープレシオ回帰（MSRR、Kelly and Xiu 2023）で、拡大窓で推定し翌月に当てはめる。最初の24か月は学習のみ。ペナルティは一つ抜き交差検証で選ぶ。↩
  6. R1（NBER WP 改訂版, 2026年5月） p.18〜19（§4.2、図4）、p.20（§4.3）・p.5 脚注2。1.41はキャッシュベースの営業利益÷総資産のファクター。埋め込みをそのまま使う戦略は買いと売りの金額が揃っていない（p.18）。比は編集部の換算で、生の埋め込みの約2.8倍、既存の最良の約2.2倍。↩
  7. R1（NBER WP 改訂版, 2026年5月） p.19（図4 パネルB）。↩
  8. R1（NBER WP 改訂版, 2026年5月） 表4 p.22、本文 p.23。列 Constant のアルファ0.146（t値7.58）・決定係数0.384、列 JKP のアルファ0.294（t値12.74）・決定係数0.11。成績は事後に年率変動10%へ揃えて表示している（図4 注 p.18）。↩
  9. R1（NBER WP 改訂版, 2026年5月） p.29〜31（§4.6、図13）。レバレッジ（ウェイトの絶対値の合計）を1に固定した比較。有効ランクは15から130へ。編集部の換算は（4.8÷5.3）÷（1−0.70）。R1 の図のシャープレシオは1.1から3.1で、比較の前提が完全には一致しない。↩
  10. R1（NBER WP 改訂版, 2026年5月） p.27（§4.5、図10）。要旨（p.2）は「最長18か月先まで有意に予測する」と表現。遅らせた期間の戦略は、同じ残差を τ か月後のリターンに当てる構成。↩
  11. R1（NBER WP 改訂版, 2026年5月） p.23〜26（§4.4、図7〜9）。大型株は NYSE の時価総額の中央値超。銘柄数だけを減らした再標本化では300銘柄で0.5、大型株の平均銘柄数832で1.5（p.26）。分散の差という説明は著者の解釈。↩
  12. R1（NBER WP 改訂版, 2026年5月） p.28〜29（図11・図12）。片側の回転率、最高の既存アノマリーは短期リバーサルの67%。24か月平均ではシャープレシオ2.4。コスト控除後に既存の全アノマリーを上回るという記述は p.29 の著者の結論（数値は図からは読み取っていない）。↩
  13. R1（NBER WP 改訂版, 2026年5月） p.32〜35（SAE による解釈。Gemma2 の解釈用の層から財務上重要な5,000の座標を使う）、p.39〜40（§5.4）。相関は同じ月の反応（取引できない）と翌月のリターンの相関。戦略が選んだ148の話題では56.8%が正。↩
  14. R1（NBER WP 改訂版, 2026年5月） 表5 列(6) p.42、本文 p.41〜43。係数は否定的な語+0.014（t値10.08）、数字を含む語+0.015（同8.89）、曖昧な語−0.007（同−5.49）、同じ日の記事数−0.003（同−2.12）。いずれも1標準偏差当たり。相関の平均は0.026。↩
  15. R1（NBER WP 改訂版, 2026年5月） p.41 脚注18（t値−0.63）。↩
  16. R1（NBER WP 改訂版, 2026年5月） 表6 p.44、本文 p.43。話題名は言語モデルが付けたラベルを著者らが人手で確認したもの（p.34）。↩
  17. R1（NBER WP 改訂版, 2026年5月） p.35〜37（§5.3、図17）。148の話題を12のテーマにまとめ、各テーマのウェイトの絶対値の合計で重要度を見ている。↩
  18. R1（NBER WP 改訂版, 2026年5月） p.9 脚注4。↩
  19. R1（NBER WP 改訂版, 2026年5月） p.44〜46（§6.1、図19）。各時点までのデータで学習したモデルは R5（ChronoGPT、15億パラメータ）。値は132指標で残差をとった場合。↩
  20. R1（NBER WP 改訂版, 2026年5月） 図21 p.49、図22 p.50（Dow Jones は1996〜2021年）、表7 p.52（パネルA、上限付き時価加重の上位−下位、シャープレシオ1.25。等金額では年12.8%、t値13.3）。↩
  21. R1（NBER WP 改訂版, 2026年5月） p.54〜55（§6.6、図24）。5年移動のシャープレシオは期間全体で2.1〜4.5。↩
  22. R1（NBER WP 改訂版, 2026年5月） p.1（表紙。未査読の旨と、Bryan Kelly の AQR Capital Management からのコンサルティング収入の開示）。↩
  23. R2（NBER WP, 2019年8月・11月改訂）p.24（§3.5.2、図9）。ページは PDF の物理ページ（印刷ページ＋1）。翌日始値までの反応は新しいニュース39bp、古いニュース23bp。新しさは直前5営業日の同じ銘柄の記事との類似度で判定。↩
  24. R2 p.25（§3.6、図10）。大型株の初日の反応は11bp、小型株は最初の15分で52bp。大型・小型は NYSE の時価総額の中央値で分ける。↩
  25. R3（日本取引所グループ「TDnetの概要」）。閲覧サービスへの掲載で、インサイダー取引規制上の公表措置が完了する。閲覧サービスは開示日を含む31日分、東証上場会社情報サービスで過去10年分を閲覧できる。↩
  26. R4（日本取引所グループ「適時開示情報（TDnet）概要」、有料の配信サービスの説明）。↩

参考文献​（2026年11月確認）

※本記事は教育目的の一般的な解説であり、投資助言・法務・税務の助言ではありません。研究結果は各論文の対象・期間・方法の範囲で得られたもので、日本の個別企業・案件にそのまま当てはまるとは限りません。設例は学習用の架空の数値です。アイキャッチ画像は生成AIによるイメージです。