财报公告日总是伴随跳空、急涨和急跌，预测难度明显高于一般日频场景。这篇研究将公告前30天整理为连续输入序列，融合基本面指标、短期价格特征和财经新闻情绪，分别交由逻辑回归、LSTM与Transformer处理，试图确认不同模型如何处理剧烈涨跌，以及新闻情绪是否能够形成稳定的补充信号。
公告前30天变成可学习样本
研究选取样本期起始时美国市值排名前500的公司，观测区间固定为十个月。每次财报公告对应一段30天的历史序列，模型根据这段序列预测公告日或公告后首个交易日的价格方向。公告如果在收盘后发布，标签则顺延到下一交易日，避免把尚未进入交易时段的信息混入目标。
每个交易日被整理成21维特征。15维来自公司基本面，包括净利润率、净资产收益率、负债权益比和经营现金流等指标。3维来自市场数据，包括复权收盘价、3日均线和6日均线。另3维来自新闻情绪，FinBERT为每篇财经新闻输出正面、负面和中性概率，同一公司同一天多篇新闻时，情绪向量取平均值。
这种处理把财报预测从单一财务指标判断扩展为多模态时间序列。基本面变化频率较低，价格指标反映临近公告时的短期状态，新闻情绪提供公告前的信息环境。三类信息在同一日度索引下对齐，随后进行前向填充、横截面均值填补和标准化。论文没有披露最终可用公告样本的具体数量，因此无法进一步判断样本规模与模型容量是否匹配。
3%阈值重塑预测任务
研究将公告日前后收益率超过3%的样本记为上涨，低于负3%的样本为下跌，其余样本归入中性。经过这一处理，中性类别约占全部观测的67%。任务因此带有明显的不平衡结构，模型只要频繁预测中性，就可能获得较高准确率，很难识别真正具有交易含义的方向变化。
训练阶段采用加权交叉熵，提高上涨和下跌样本的损失权重。评估阶段除了准确率和宏平均F1，还加入一项自定义成本。预测正确的成本为0，上涨与下跌互相错判的成本为3，其余错误成本为1。宏平均F1要求三类样本获得同等评价权重，自定义成本则进一步区分普通漏判和方向反转。
三个模型对应三种时间处理方式。逻辑回归把30天特征直接展开为固定向量，提供线性基线。两层LSTM按时间顺序压缩信息，最终隐藏状态进入分类层。Transformer使用两层编码器和四个注意力头，在完整30天窗口内建立跨日期依赖，再通过全局平均池化完成分类。
三类模型的决策偏好
加入情绪特征后，逻辑回归明显偏向上涨类别。真实下跌样本中，有17个被预测为上涨；真实上涨样本中，也有14个被预测为下跌。两种方向互换带来较高惩罚，使其自定义成本达到1.020。虽然宏平均F1为0.367，与深度模型相距不大，但错误分布缺少稳定性。
LSTM呈现出强烈的中性偏好。152个测试样本中，有126个被预测为中性。真实下跌样本有33个被归入中性，真实上涨样本有37个被归入中性。方向互换数量随之减少，自定义成本降至0.651，为全部模型中最低；代价是上涨和下跌事件大量漏判，宏平均F1只有0.325。
Transformer的预测分布更分散。真实上涨样本中有16个被正确识别，真实下跌样本中有8个被正确识别，均高于LSTM。它的宏平均F1达到0.390，为全部设定中的最高值，自定义成本为0.803。这个结果对应一种更积极的识别方式，模型捕捉到更多波动事件，同时承担更多方向错误。
新闻情绪带来的增量
消融实验保留基本面和价格特征，移除3维新闻情绪。LSTM受到的影响最明显。加入情绪时，其上涨精确率为0.556，自定义成本为0.651；移除情绪后，模型不再预测任何上涨样本，上涨精确率降至0，自定义成本升至0.914，宏平均F1从0.325降至0.292。情绪信息在这一序列模型中同时改变了类别覆盖和风险水平。
Transformer也出现稳定退化。宏平均F1从0.390降至0.359，自定义成本从0.803升至0.921，上涨和下跌精确率同步下降。在这组实验中，情绪特征对应更高的宏平均F1和更低的自定义成本，但模型仍保留较高的误报和方向错判。
逻辑回归的情况，加入情绪后，自定义成本从1.138降至1.020，准确率从37.500%升至38.816%，方向风险得到改善。按表中数字，宏平均F1却从不含情绪时的0.370小幅降至0.367。论文正文将移除情绪概括为所有模型宏平均F1均下降，这一表述与表1中的逻辑回归数字存在轻微不一致。可以确定的是，情绪特征降低了三类模型的自定义成本，对两个深度模型的宏平均F1也形成正向贡献。
写在最后
研究最终把财报公告日预测中的模型差异，落在了波动捕捉能力与方向误判风险的权衡上。公告日样本具有明显的类别不平衡，扩大上涨和下跌信号的覆盖范围，有助于识别更多剧烈波动，也会增加方向互换错误。收缩方向预测可以降低错误成本，却可能将更多有效波动归入中性。模型表现因此取决于评价目标对信号覆盖和风险约束的相对重视程度。
新闻情绪为公司基本面和短期价格之外提供了补充信息，也改变了模型的错误分布。不过，这类信息进入不同模型后产生的影响并不一致，说明情绪增量还会受到时间建模方式和决策偏好的影响。它能够改善部分预测指标，但没有消除敏感性与稳定性之间的制约关系。
在论文采用的数据、标签和成本设定下，宏平均F1与自定义成本分别衡量类别覆盖和方向误判风险，两套标准对应不同的模型排序。研究所呈现的是有限样本中多模态信息、模型结构与评价方式共同形成的预测差异，结论仍受到样本规模和金融市场噪声的限制。