空間因子モデルのためのWasserstein重心相互作用場：言語モデル表現からの証拠

要旨

空間リターンモデルは、相互作用行列を所与とし、フィードバックを未解釈のままにしている。我々は、言語モデルが生成した各企業の記事埋め込みの分布から、対象企業をアンカーとするワッサースタイン重心再構成を用いて、バンド幅に依存しない場を構築する。二次のエクスポージャー調整問題は、フィードバックを同業他社との不整合（ピア・ミスアラインメント）に対するペナルティ比へと変換する。52社を対象とすると、2018〜2022年のニュースから固定したこの場は、2023〜2026年のペナルティ比が3.46（95%区間 [2.89, 4.17]）となり、同一距離に基づく等加重ピア・サポートやRBF重み付けよりも高い条件付き準尤度をもたらす。重心場とニュース共言及場を同時に用いた場合のペナルティ比はそれぞれ2.33と0.86であり、境界較正検定は、いずれの場の除外も棄却する。

English

Spatial return models take the interaction matrix as given and leave feedback uninterpreted. We construct a bandwidth-free field from firms' language-model article embedding distributions using target-anchored Wasserstein barycentric reconstruction. A quadratic exposure-adjustment problem maps feedback into a peer-misalignment penalty ratio. For 52 firms, the field, frozen from 2018-2022 news, yields a 2023-2026 penalty ratio of 3.46 (95% interval [2.89, 4.17]) and higher conditional quasi-likelihood than equal-weighted peer support or RBF weighting of the same distances. Joint penalty ratios for the barycentric and news co-mention fields are 2.33 and 0.86 with boundary calibrated tests which reject both exclusions.