Global Merger-Arbitrage Forecasting with Language Models

背景

并购套利（Merger Arbitrage）是一种高度专业化的金融交易策略，核心在于预测已宣布的并购（M&A）交易最终能否按约定条件完成。该领域此前主要依赖传统量化模型（如 XGBoost）或市场隐含概率——即从交易价格与宣布条款之间的差价反推出的市场预期。近年来，大语言模型（LLM）在判断性预测任务上展现出潜力，但已有研究多聚焦于混合主题的通用基准测试，且输入内容通常限于新闻摘要等短文本。然而，并购交易涉及的监管文件、尽职调查报告、股东投票材料等往往长达数百页，需要模型具备长上下文推理能力。为此，本文提出了一套基于语言模型的并购套利预测系统，填补了这一专业金融场景与 LLM 应用之间的空白。

核心内容

论文呈现了一套端到端的语言模型预测系统，专门用于并购套利场景。任务定义为：针对一笔已宣布的并购交易，输出三个互斥结果的概率分布——按宣布条款完成交易、出现更高报价、交易终止。系统设计结合了两大核心组件：

1. 专家引导的上下文工程（Expert-guided Context Engineering）：由金融领域专家从交易相关文档（如并购协议、监管意见、委托书、分析师报告等）中挑选关键信息片段，构建适合模型推理的输入上下文。这些文档通常长达数百页，系统仅提取最相关的部分以保证输入长度可控且信息密度高。

2. 基于后见之明引导的推理轨迹微调（Finetuning on Hindsight-guided Reasoning Traces）：利用历史交易的真实结果，为每笔交易生成一条“事后推理轨迹”——即从当前时间点出发，沿着时间线逐步构建出导致最终结果的关键事件链和逻辑。模型在这些轨迹上进行微调，学习从大量文档中提炼关键信号并形成合理推理思路的能力。

训练与评估数据覆盖了 42 个国家的 400 余笔大型并购交易，且为严格的样本外测试。系统的性能通过类别平衡 Brier 分数（Class-Balanced Brier Score）衡量，该指标综合评估概率预测的准确性与校准度。最终，微调后的系统取得了 0.151 的 Brier 分数，显著优于所有对比方法：

• 比经过校准的市场隐含概率低 24%
• 比传统机器学习模型 XGBoost 低 19%
• 比前沿语言模型（Frontier Language Models，如未微调的 GPT-4 级别模型）低 25–42%

消融研究进一步表明，模型成功的关键在于：后见之明式的监督信号（hindsight-based supervision）与专家设计的上下文（expert-designed context）缺一不可。仅使用原始文档或仅对模型进行通用微调都无法达到同等效果。

关键要点

• 任务专精度：该工作是首个将 LLM 应用于并购套利这种高风险、长上下文金融预测场景的系统性方法，区别于此前以短文本、泛主题为主的 LLM 判断性预测研究。
• 长上下文推理：模型需处理数百页技术文档，而非新闻摘要；上下文工程由专家主动选择关键段落，而非简单塞入全文。
• 事后推理监督：利用历史交易的真实结果生成“事后推理轨迹”作为微调数据，让模型学会在时间线上因果推演，而非仅基于静态特征做分类。
• 性能优势显著：在超过 400 笔跨国大型交易样本外测试中，系统 Brier 分数为 0.151，相比市场隐含概率、XGBoost 及未微调的前沿 LLM 均有大幅降低（降低幅度 19%–42%）。
• 核心贡献因素：消融实验确认，专家设计的上下文与后见之明推理轨迹微调是性能提升的两大支柱，缺失任意一项都会导致预测精度严重下降。

意义与影响

本研究表明，LLM 可以在专业、长上下文的金融工作流中取得成功，而不仅仅是处理通用问答或短文本。这一结果为 AI 在定量金融、风险管理、企业并购交易决策等领域的落地提供了方法论参考——即通过领域专家知识引导上下文构建，并结合历史结果进行推理级别的监督微调，能显著提升模型在复杂结构化文档中的推理能力。此外，该工作也凸显了“事后推理”作为一种新的监督形式的价值：利用已知结果反向构造推理链，可以有效弥补前瞻性训练数据的稀缺性。未来，类似方法可以推广至其他需要具备强大长文档理解与因果推理的金融场景，如破产预测、监管裁决分析等。