When News Gets Old: Portfolio Allocation with Reinforcement Learning and Large Language Models

📄 arXiv: 2610.30564v1 📥 PDF

作者: Bolin Song, Surui Xiang

分类: cs.LG, q-fin.PM

发布日期: 2026-10-22

💡 一句话要点

提出基于强化学习和大语言模型的投资组合分配方法

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 金融新闻 投资组合选择 强化学习 大语言模型 时效性处理 资产管理 信号提取

📋 核心要点

  1. 现有方法未能有效处理金融新闻的时效性，导致投资决策受到影响。
  2. 论文提出通过强化学习和大语言模型，探索保留或过滤新闻信号的投资组合选择策略。
  3. 实验结果表明，过滤旧新闻的策略在历史测试中表现最佳，显著提高了投资回报。

📝 摘要（中文）

金融新闻在发布后仍能影响投资决策。及时的新闻可能在价格完全调整之前就到达投资者，而较旧的新闻可能已经反映在价格中。本文探讨了两种处理新闻老化信号的方法：保留信号并为投资组合策略提供时机信息，或在投资组合选择前过滤掉这些信号。通过固定的大语言模型提取公共SEC披露中的信号，比较了这两种处理方式在强化学习策略和直接选择投资组合的LLM中的表现。历史测试结果显示，过滤旧新闻的LLM在新闻延迟四周时实现了每年18.43%的最高平均净回报，超越了所有使用新闻的RL策略。

🔬 方法详解

问题定义：本文旨在解决金融新闻在投资组合选择中的时效性问题。现有方法未能有效利用新闻的时机信息，导致投资回报不理想。

核心思路：论文提出两种处理新闻老化信号的方法：一种是保留信号并为投资组合策略提供时机信息，另一种是过滤掉旧新闻。通过比较这两种方法的效果，寻找最佳的投资组合选择策略。

技术框架：整体架构包括信号提取模块（使用固定的大语言模型从SEC披露中提取信息）、强化学习策略模块（用于选择投资组合）以及性能评估模块（评估历史回报）。

关键创新：最重要的创新在于通过大语言模型有效过滤旧新闻，提升了投资组合的平均净回报，尤其是在新闻延迟交付的情况下。与现有方法相比，提供了更为灵活和高效的信号处理方式。

关键设计：在参数设置上，采用了强化学习中的Q-learning算法，并设计了适应性的损失函数以优化投资组合选择。网络结构上，结合了深度学习和传统金融模型的优势，确保了信号提取的准确性和投资决策的有效性。

📊 实验亮点

实验结果显示，过滤旧新闻的策略在历史测试中实现了每年18.43%的最高平均净回报，显著优于所有使用新闻的强化学习策略。这一发现强调了信息时效性在投资决策中的重要性。

🎯 应用场景

该研究的潜在应用领域包括金融投资、资产管理和智能交易系统。通过优化投资组合选择策略，能够帮助投资者在动态市场环境中做出更为精准的决策，提升投资回报率。未来，随着大语言模型和强化学习技术的进一步发展，该方法有望在更广泛的金融场景中得到应用。

📄 摘要（原文）

Financial news can influence investment decisions long after publication. Timely news may reach an investor before prices fully adjust, whereas older news may already be reflected in prices. We examine two ways to handle aging signals: retain them and give a portfolio policy timing information, or filter them out before portfolio selection. A fixed large language model (LLM) extracts signals from public SEC disclosures. We compare these treatments in reinforcement learning (RL) policies and LLMs that choose portfolios directly. We evaluate returns after trading costs in historical tests over 2023-2025. RL choices respond to timing information in a controlled test, but historical returns show no consistent benefit from adding it. For the LLM, filtering old news produced the highest average net return, reaching 18.43% per year when news delivery was delayed by four weeks. This exceeded the returns of all RL strategies that used news.