SAE-FiRE: Enhancing Earnings Surprise Predictions Through Sparse Autoencoder Feature Selection

创建于 2025-10-08T08:56:28.229751+08:00 更新于 2025-10-08T09:07:17.271801+08:00

摘要

本论文提出SAE-FiRE框架，利用稀疏自编码器对上市公司财报电话会议文本进行特征提取与选择，有效抑制冗余噪声。通过统计筛选判别性激活特征，结合逻辑回归模型，实现对财报盈余意外方向的准确预测。实验证明该方法在准确率、加权F1和AUC指标上显著优于多项基准模型，且通过透明的特征解释提升模型可解释性[page::0][page::1][page::4][page::6][page::7]。

速读内容

深度阅读