Grounded Event Extraction from SEC 8-K Filings with a Fine-Grained Taxonomy
作者: Rian Dolphin, Joe Dursun, Jarrett Blankenship, Katie Adams, Quinton Pike
分类: cs.CL, q-fin.GN
发布日期: 2026-07-09
备注: 9 pages, 8 figures, 1 table. Full dataset and taxonomy available at https://massive.com/docs/rest/stocks/filings/8-k-disclosures?utm_source=research&utm_campaign=8k_tags
💡 一句话要点
提出基于细粒度分类法的SEC 8-K文件事件提取方法
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 事件提取 SEC 8-K文件 细粒度分类 大型语言模型 质量评分 信息提取 金融分析
📋 核心要点
- 现有的SEC 8-K文件项目代码过于粗略，无法有效区分市场影响显著的事件类型。
- 提出的两阶段系统通过模糊n-gram验证和质量评分，精确标注119种事件类型。
- 在292,984份文件上应用该系统，标注的事件标签精确度显著提升，验证了分类法的有效性。
📝 摘要（中文）
美国上市公司通过8-K文件披露重要事件，但现有的SEC项目代码过于粗略，无法有效区分不同类型的事件。本文提出了一种两阶段系统，利用大型语言模型对292,984份8-K文件进行标注，构建了119个事件类型的三层分类法。第一阶段通过模糊n-gram验证将输出限制为有效分类项，并将每个标签锚定到逐字引用；第二阶段则根据类别定义重新评分每个引用的质量。实验结果表明，系统标注的601,088个事件标签的精确度显著提高，支持标签的精确度从12%提升至96%。
🔬 方法详解
问题定义：本文旨在解决SEC 8-K文件中事件标注的粗糙性，现有方法无法有效区分不同类型的经济事件，导致信息提取的准确性不足。
核心思路：通过构建一个两阶段的系统，结合大型语言模型和细粒度的三层分类法，确保每个事件标签都能追溯到源文本并具备可靠性。
技术框架：系统分为两个主要阶段：第一阶段通过模糊n-gram验证将输出限制为有效的分类项，并将标签与逐字引用关联；第二阶段根据类别定义对引用进行重新评分，生成质量分数。
关键创新：最重要的创新在于引入了质量评分机制，确保标签的可靠性和准确性，显著提高了标注的精确度。与现有方法相比，该方法能够更好地区分经济上显著的事件。
关键设计：系统在第二阶段的评分是专门设计的，确保评分的准确性，避免了在首次标注时的潜在误差。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用该系统标注的事件标签中，支持标签的精确度从12%提升至96%，而不支持标签的比例则从8%降至接近零。这表明质量评分机制显著提高了标注的可靠性和准确性。
🎯 应用场景
该研究的潜在应用领域包括金融分析、投资决策支持和合规监测等。通过精确提取和分类8-K文件中的事件，投资者和分析师能够更好地理解公司动态，从而做出更为明智的决策。未来，该方法还可扩展至其他类型的财务报告和信息披露领域。
📄 摘要（原文）
Form 8-K filings are the primary channel through which U.S. public companies disclose material events, but the SEC item codes attached to them are coarse: a single item spans routine administrative changes and chief executive departures, and many of the most market-moving disclosures fall into a catch-all item. Large language models make fine-grained labelling feasible at corpus scale, but only if the labels can be traced to the source text and shown to be reliable. We present a two-stage system that tags 8-K disclosures against a three-tier taxonomy of 119 event types. The first stage constrains output to valid taxonomy entries and anchors every tag to a verbatim quote via fuzzy n-gram validation; the second re-grades each cited quote against the category definition to produce a quality score. Applying the system to 292,984 filings from 2022 to 2026 yields 601,088 grounded event tags, which we release. Over 5,125 stratified tags, an LLM judge finds precision rises monotonically with the quality score, from 12% to 96%, while unsupported tags fall from 8% to near zero. Ablation shows the score is calibrated only when assigned in a dedicated second pass. An event study on unsigned abnormal returns confirms, without any language model, that the taxonomy separates economically distinct events sharing an item code.