Wasserstein-무게중심 상호작용 장을 활용한 공간 요인 모델: 언어 모델 표현에서의 증거

초록

공간 수익률 모형은 상호작용 행렬을 주어진 것으로 간주하고 피드백을 해석하지 않은 채로 둔다. 우리는 타깃 고정 워서스타인 바리센트릭 재구성을 이용하여 기업들의 언어모델 기사 임베딩 분포로부터 대역폭이 필요 없는 장(field)을 구축한다. 이차 노출-조정 문제는 피드백을 동료 기업 불일치 패널티 비율로 변환한다. 52개 기업의 경우, 2018-2022년 뉴스로부터 동결된 이 장(field)은 2023-2026년 패널티 비율 3.46(95% 구간 [2.89, 4.17])을 산출하며, 동일한 거리를 사용하는 등가중 동료 지지 또는 RBF 가중보다 높은 조건부 준우도를 갖는다. 바리센트릭 필드와 뉴스 동시 언급 필드에 대한 결합 패널티 비율은 각각 2.33과 0.86이며, 경계 보정 검정은 두 배제 모두를 기각한다.

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.