你请人判断一场聚会的气氛，可以听完所有人的对话，也可以只问“大家担心什么”。人多时，完整记录或许能互相印证；只看一个人时，太多闲话反而会淹没重点。把10-K变成交易信号，也有类似问题：到底该读全文，还是只读风险章节？这篇论文给出的答案不是固定比例，而是“看你在哪个层级使用”。
10-K是美国多数本土上市公司等SEC注册主体每年提交的综合年度报告，覆盖业务、财务和风险等法定披露。Item 1A Risk Factors则是其中集中陈述重大风险的章节。论文比较两种文本，并分别在整个科技板块、十家公司组合和单家公司三个聚合尺度上训练情绪分数。所谓聚合尺度，就是先看一家公司的文本信号，还是把多家公司的信号合在一起。
研究只有一篇arXiv论文这一处信源。以下效果数字均来自作者的样本内外评估，尚无独立复核。
它没有先规定哪些词算好、哪些算坏
作者采用“监督式词典学习”：先观察文件发布附近的收益率或波动率标签，再反推哪些词更常出现在高、低标签的文件中，以及这些词应占多大权重。它不像固定词典那样预先规定词义，也不像复杂深度模型那样难以解释；最后仍能看到具体哪些词推动了分数。
模型同时学习两类目标。收益率回答价格方向问题；波动率衡量价格变化幅度，更贴近风险披露可能包含的信息。波动率取自日内对数价格区间形成的估计，并用三日窗口平均，以减少单日噪声。板块和组合层面的文件到达时间不规则，作者还使用Kalman filter——一种从嘈杂时间序列中估计潜在趋势的方法——平滑每日汇总分数；单家公司则保留每份文件的原始变化。
样本包含94家Nasdaq-100科技成分公司的1,383份10-K，文件覆盖2006年1月至2024年12月。另有6家境外注册公司提交20-F，因此被排除。研究为两种文本、两类预测目标和三个聚合层级分别训练模型，共得到12项情绪指标。
这里有个容易误读的数据。Item 1A通常只占10-K篇幅的10%至15%，但预处理后，它保留了全文词表规模约57%的词：全文约15,863个词，Item 1A约9,030个。换句话说，风险章节虽短，情绪相关词汇相当密集。但密集不等于在任何场景下都更准。
人越多，全文越占便宜
在板块层面，全文模型对收益率标签的分类准确率为78%，Item 1A为73%；对波动率则是92%对90%。到了十家公司组合，全文仍领先：收益率为76%对71%，波动率为78%对74%。四组比较中，全文领先2至5个百分点。
单家公司层面，方向反转。论文只用Nvidia作为公司级实验：Item 1A对收益率的准确率为76%，略高于全文的75%；对波动率则为75%，高于全文的69%。风险章节的优势从1个百分点扩大到6个百分点。
作者认为，关键不在某一段文字天然更好，而在文本量与独立训练信号数量的配合。板块模型能看到94家公司的文件，十家公司组合也有较多相互独立的样本。此时，全文更大、更杂的词汇池反而提供了筛选材料，模型可以跨公司识别稳定出现的信号词。
但只训练一家公司的历年文件时，可用的独立信号少得多。全文里的固定表述和财务报表语言可能年年相似，稀释真正随经营处境变化的词。Item 1A范围更窄，更适合有限的训练材料。这是作者对结果的解释，并非经过因果识别验证的机制。
“更准”不等于“风险章节没用”
词语分析显示，两种文本保留的信息并不相同。在十家公司组合中，Item 1A提取出了全文词表没有呈现的供应链风险主题；在板块层面，它还突出COVID和生物技术相关词。作者据此推测，风险章节会保留一些前瞻风险叙事，只是这些内容在全文的大词汇量中可能被冲淡。
这正是文本因子的聚合陷阱：如果只比较一张总成绩表，很容易得出“全文更好”或“风险章节更好”的结论。但论文的实验说明，文本范围、预测目标和汇总层级是联动的。把板块模型的选择直接搬到单家公司，信号排序可能反过来。
论文还拿Loughran–McDonald金融情绪词典作基线。固定词典无需训练，解释也直接，但词的正负方向不会随预测目标调整。作者发现，它在板块和组合层面与价格呈强负相关。不过全文披露的公司级实验是例外：Nvidia全文版本的相关关系转为正且不显著，Item 1A版本则为显著负相关。因此，摘要所称“所有层级都强负相关”并不完全覆盖正文细节。负相关本身也不能证明词典无效，方向是否合理还取决于分数编码、价格定义和观察窗口。
为什么值得关注
这项工作的价值不只是多做了一种10-K情绪指标。它提醒研究者，文本因子在生成之前就已经包含建模选择：读哪部分、用什么市场结果监督、在哪个层级训练和汇总。聚合能消掉公司噪声，也可能抹平个体差异；全文能增加材料，也可能增加稀释。
所以，“10-K读多少才够”没有统一答案。对板块或组合，更多文本在这组实验中更准；对单家公司，聚焦风险章节更合适。真正需要检验的不是字数，而是文本容量能否与独立训练信号相匹配。
局限与未知
- 样本集中于94家Nasdaq-100科技成分公司，公司级实验又只有Nvidia，不能外推到全部上市公司或行业；成分股选择、幸存者偏差和跨期可比性也可能影响结果。
- 模型采用bag-of-words，即把词逐个计数，无法理解多词短语的组合含义。板块和组合汇总也未按实际指数权重加权。
- 主题标签由作者依据高权重词人工解释，并非独立验证的主题模型；论文给出准确率，但相关性部分的价格定义、部分统计细节及更广泛稳健性仍不足以支持确定幅度的结论。