💬 NLP

Fast Numbers, Slow Language: Bridging Quantitative and Qualitative Earnings Signals

Cet article introduit le corpus « EarningsInOne » afin de jeter un pont entre les communautés d'analyse quantitative et qualitative des bénéfices, révélant que si les surprises numériques entraînent des réactions immédiates du marché, le sentiment qualitatif des conférences téléphoniques offre un signal distinct et négociable qui culmine lors de la journée de bourse suivante, mais qui a été précédemment occulté par des mesures d'évaluation incompatibles.

Auteurs originaux : Ding Yu, Zhuo Liu, Hao Zhang, Hangfeng He

Publié 2026-06-30

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ding Yu, Zhuo Liu, Hao Zhang, Hangfeng He

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Deux vitesses de nouvelles différentes

Imaginez qu'une entreprise publie son rapport trimestriel comme un magicien sortant un lapin d'un chapeau. Cet événement se déroule en réalité en deux étapes distinctes, et l'article soutient que le monde de la finance a essayé d'observer ces deux étapes avec la même paire de lunettes, ce qui ne fonctionne pas.

Les « Chiffres Rapides » (Le Lapin) : D'abord, l'entreprise publie un communiqué de presse avec des mathématiques concrètes : « Nous avons gagné 1,52 $ par action au lieu des 1,44 $ attendus. » Cela se produit instantanément. Les algorithmes informatiques (les robots) lisent ces chiffres et négocient les actions en quelques minutes. Au moment où la bourse ouvre le lendemain matin, le prix s'est déjà ajusté à ce chiffre. L'« alpha » (le profit supplémentaire) provenant de ce chiffre s'évapore en un éclair.
Le « Langage Lent » (Le Tour de Magie) : 30 à 90 minutes plus tard, le PDG participe à une conférence téléphonique pour expliquer les chiffres. Il dit des choses comme : « Nous sommes prudemment optimistes, mais l'économie est complexe. » Il s'agit d'un langage qualitatif. Les humains ont besoin de temps pour écouter, interpréter le ton et décider si le PDG est honnête ou s'il cache quelque chose. Ce signal n'atteint son sommet que lors de la prochaine séance de bourse.

Le Problème : Deux Communautés, Deux Manuels de Règles Différents

Pendant des décennies, deux groupes d'experts ont étudié cet événement, mais ils ne se sont jamais parlé car ils utilisaient des manuels de règles complètement différents :

Les Économistes Financiers (Les Spécialistes des Maths) : Ils ont étudié les « Chiffres Rapides » pendant 50 ans. Ils étudient comment les cours des actions évoluent sur des jours ou des semaines. Ils utilisent une stratégie appelée « Long Top, Short Bottom » (acheter les meilleures nouvelles, vendre les moins bonnes) et mesurent le succès par rapport au risque pris.
Les Chercheurs en NLP (Les Spécialistes du Langage) : Au cours des 10 dernières années, ils ont étudié le « Langage Lent » (les conférences téléphoniques). Mais ils ont traité cela comme un examen scolaire. Ils ont essayé de prédire le mouvement exact du prix de l'action pour chaque entreprise et ont mesuré le succès par la proximité de leur prédiction avec le prix réel (en utilisant une métrique appelée MSE). Ils n'avaient pas de véritable stratégie de trading ; ils voulaient simplement voir si leur IA pouvait deviner le bon chiffre.

Le Résultat : Les Spécialistes des Maths pensaient que les Spécialistes du Langage étaient inutiles car leurs « notes à l'examen » (MSE) ne montraient pas de profit clair. Les Spécialistes du Langage pensaient que les Spécialistes des Maths passaient à côté de la nuance du ton du PDG. Ils ne parlaient pas la même langue.

La Solution : Construire un Pont

Les auteurs ont construit un pont appelé EARNINGSINONE. C'est une nouvelle base de données massive qui aligne le communiqué de presse, la conférence téléphonique et les cours boursiers pour 1 500 entreprises américaines.

Ils ont créé un Manuel de Règles Unifié :

Ils ont appliqué la stratégie de trading « Long Top, Short Bottom » aux chiffres et au langage.
Ils ont utilisé le même « barème de notation » (métriques comme le Ratio de Sharpe et le Coefficient d'Information) pour évaluer à la fois les chiffres et le langage.

La Découverte : Chiffres Rapides, Langage Lent

Lorsqu'ils ont lancé les tests en utilisant les mêmes règles, un schéma clair est apparu :

Les Chiffres sont Rapides : Si vous essayez de trader sur les « Chiffres Rapides » (la surprise de l'EPS) à l'ouverture du marché le lendemain matin, vous ne gagnez presque pas d'argent. Les robots ont déjà dévoré ce profit. Cependant, si vous tradez intraday (dans les 5 à 60 minutes suivant la diffusion de la nouvelle), vous pouvez encore réaliser un profit. La fenêtre est minuscule, mais elle existe.
Le Langage est Lent : Si vous essayez de trader sur le « Langage Lent » (le ton du PDG) immédiatement, cela ne fonctionne pas très bien. Mais si vous attendez la prochaine séance de bourse, le signal du langage devient très puissant. Le marché prend du temps pour digérer le ton du PDG, et le lendemain, le prix se déplace dans la direction prédite par le langage.

L'Analogie :
Considérez l'annonce des résultats comme un match de sport.

Les Chiffres sont le score final. Dès que l'arbitre siffle la fin du match, le score s'affiche sur le bandeau d'information. Tout le monde le sait instantanément. Parier sur le score après que le match a commencé est inutile.
Le Langage est l'interview d'après-match. L'entraîneur peut dire : « Nous avons bien joué, mais notre joueur vedette est blessé. » La foule a besoin de temps pour traiter l'information. Le lendemain matin, l'action de l'équipe (ou sa réputation) s'est ajustée pour refléter cette nouvelle concernant la blessure.

Pourquoi cela importe

Pour les Spécialistes des Maths : Ils ont manqué des profits à court terme parce qu'ils ont attendu trop longtemps pour trader les chiffres. Ils doivent regarder les données pendant la journée, et non pas seulement le lendemain matin.
Pour les Spécialistes du Langage : Ils utilisaient le mauvais test. Ils essayaient de prédire le prix exact pour chaque action (comme deviner la température exacte). Au lieu de cela, ils devraient classer les actions (comme deviner quelle équipe va gagner). Lorsqu'ils sont passés à la méthode de « classement », leurs modèles de langage se sont révélés très rentables.

L'Essentiel

L'article prouve que les chiffres et le langage racontent deux histoires différentes à deux vitesses différentes.

Les Chiffres sont pour les robots : rapides, immédiats et disparus dès le lendemain matin.
Le Langage est pour les humains (et les algorithmes patients) : lent, nécessite du temps pour être digéré, et devient précieux le jour suivant.

En corrigeant la façon dont ils mesurent le succès, les auteurs ont montré que la partie « langage » des conférences téléphoniques est en fait un actif réel et tradable qui était auparavant caché parce que les chercheurs utilisaient les mauvais outils pour le trouver.

Résumé Technique : Chiffres Rapides, Langage Lent : Combler le fossé entre les signaux de résultats quantitatifs et qualitatifs

Énoncé du Problème
Les économistes financiers et les chercheurs en Traitement du Langage Naturel (NLP) étudient les annonces de résultats depuis des décennies en utilisant des cadres fondamentalement incompatibles, ce qui empêche la comparaison directe de leurs signaux respectifs.

Économie Financière : Se concentre sur la surprise quantitative (écarts entre le bénéfice par action [EPS] ou le chiffre d'affaires réels et les estimations des analystes). Historiquement, cette communauté évalue les signaux à l'horizon de l'« ouverture suivante du marché » via des stratégies d'achat/vente (long/short) sur les déciles supérieurs et inférieurs, et utilise des métriques telles que le Coefficient d'Information (IC) et le ratio de Sharpe. La littérature récente suggère que pour les actions non micro-capitalisées, l'alpha exploitable de la surprise quantitative se comprime au moment même de l'annonce, disparaissant dès l'ouverture suivante.
NLP : Se concentre sur les signaux qualitatifs issus des transcriptions de conférences téléphoniques sur les résultats (ECT), tels que le ton de la direction, les prévisions (guidance) et la crédibilité des sessions de questions-réponses. Ces études évaluent généralement les signaux à l'aide de métriques ponctuelles comme l'erreur quadratique moyenne (MSE) sur la volatilité ou des cibles non agnostiques du signe, souvent sans cadre de trading pratique (par exemple, en traitant toutes les actions comme également échangeables plutôt qu'en les classant).

Cette divergence méthodologique laisse deux lacunes : les économistes financiers ratent l'alpha à court horizon des signaux quantitatifs en attendant l'ouverture suivante, tandis que les chercheurs en NLP ne parviennent pas à démontrer la valeur économique réelle des signaux qualitatifs car leurs métriques d'évaluation (MSE) ne s'alignent pas sur la performance de trading directionnelle.

Méthodologie
Les auteurs introduisent EARNINGSINONE, un corpus et un cadre d'évaluation unifiés conçus pour combler le fossé entre ces deux communautés.

Jeu de Données (EARNINGSINONE) :
- Couvre l'univers du S&P 1500 (2022–2025), comprenant 5 428 événements de résultats sur 701 tickers.
- Aligne trois modalités de données pour les mêmes événements : les actualités sur les résultats (avec des horodatages précis), les transcriptions d'ECT et les données de prix intraday/du lendemain.
- Utilise des LLM (GPT-5-mini) pour extraire les valeurs numériques réelles des articles de presse et générer des scores de sentiment à partir des transcriptions d'ECT et des actualités.
Cadre d'Évaluation Unifié :
- Mécanisme de Trading : Applique une stratégie canonique « long sur le décile supérieur, short sur le décile inférieur » aux deux types de signaux (quantitatifs et qualitatifs), s'éloignant de l'approche « trade-all » de la communauté NLP.
- Ancres d'Entrée et Horizons :
  - Rapide (Chiffres) : Entre à FirstActual (le premier article de presse confirmant l'EPS/chiffre d'affaires, typiquement 1 à 5 minutes après la publication) et détient pour des horizons intraday (5 à 60 minutes).
  - Lent (Langage) : Entre à NextOpen (l'ouverture du marché le jour suivant) et détient pour des horizons du lendemain (jusqu'à 390 minutes).
- Métriques : Évalue la performance via l'IC (corrélation de rang de Spearman), l'écart Q5−Q1, et le ratio de Sharpe, plutôt que la MSE.
Construction du Signal :
- Quantitatif : Surprises de l'EPS et du chiffre d'affaires dérivées des actualités (extraites par LLM) et des données de fournisseurs.
- Qualitatif : Scores de sentiment scalaires ([-1, 1]) dérivés de l'intégralité des transcriptions d'ECT, avec des études d'ablation sur le masquage des nombres ou l'ancrage avec des en-têtes numériques.

Résultats Clés
Le cadre unifié révèle une « séparation nette de vitesse » entre les deux types de signaux :

Chiffres Rapides : La surprise quantitative culmine immédiatement lors de l'annonce (FirstActual).
- À FirstActual, la stratégie atteint un IC de 0,03 et un ratio de Sharpe de 1,81.
- À NextOpen, cet alpha est largement arbitré, l'IC tombant à -0,02 et le Sharpe à -0,31, confirmant que l'information numérique est traitée instantanément par les algorithmes.
- L'inclusion des surprises de chiffre d'affaires (signaux conjoints) et l'utilisation de données de haute qualité de fournisseurs améliorent la performance, mais la décomposition de l'alpha à l'ouverture suivante reste constante.
Langage Lent : Le sentiment qualitatif des ECT culmine à NextOpen.
- Le Sentiment(ECT) évalué à NextOpen produit un IC de 0,11 et un ratio de Sharpe de 2,2 de 2,28, surpassant toutes les variantes quantitatives à cet horizon.
- Cela confirme que les signaux qualitatifs nécessitent une interprétation humaine nocturne et sont échangeables le jour suivant.
- Les études d'ablation montrent que masquer les nombres dans l'ECT réduit la performance (Sharpe 0,40), tandis que l'ancrage du sentiment avec des battements/manques numériques connus améliore la concentration des queues de distribution (Sharpe 2,65).
Orthogonalité : Les deux signaux sont largement orthogonaux (Spearman $\rho$ = 0,21). Le sentiment des ECT capture le cadrage et le ton de la direction au-delà du simple battement/manque du titre ( $\rho$ = 0,38), tandis que le sentiment des actualités est plus fortement corrélé au résultat numérique.
Performance de Référence (Baseline) : Les baselines naïves (Random L/S, Long-only, Ticker-Mean) et les précédentes baselines NLP (MLP basé sur les embeddings) sont nettement moins performantes que les stratégies basées sur les signaux unifiés.

Signification et Revendications
L'article affirme avoir comblé le fossé entre l'économie financière et le NLP en démontrant que :

La Séparation de Vitesse est Réelle : La surprise quantitative est un signal « rapide » épuisé en quelques minutes, tandis que le sentiment qualitatif est un signal « lent » qui mûrit durant la nuit.
L'Alignement de l'Évaluation est Crucial : Les signaux NLP possèdent une réelle valeur économique, mais étaient auparavant obscurcis par des métriques mal alignées (MSE) et l'absence d'un cadre de trading. Lorsqu'ils sont évalués avec des métriques financières standards (IC, Sharpe) et un cadre long/short, le sentiment des ECT émerge comme une source d'alpha robuste et échangeable.
Complémentarité : Les deux communautés étudiaient des phénomènes complémentaires. Les économistes financiers peuvent récupérer l'alpha à court horizon en évaluant aux horodatages d'annonce, tandis que les chercheurs en NLP peuvent valider la négociabilité des signaux de langage en adoptant les outils d'évaluation de la gestion d'actifs quantitative.

Les auteurs concluent que les signaux de langage peuvent montrer une meilleure valeur lorsqu'ils sont évalués à leur « vitesse naturelle », une conclusion applicable à d'autres domaines riches en données mélangeant des signaux structurés et textuels. Ce travail est présenté comme une contribution à la recherche ; les auteurs déclarent explicitement que les signaux de trading sont destinés à la recherche et ne constituent pas des conseils en investissement.