本篇是学海拾珠系列第二百二十二篇，文章采用BERT编码捕捉文本多维信息，通过ANN模型完成文本与数字信息的深度交互，实现数值信息的情境化解读。结果表明，情境信息对于解释数字输入具有重要意义，融入叙述背景能大幅提升数字数据的价值。
　　量化财务数字与文本背景交互的挑战与解决方案
　　在量化“财务数字与文本信息背景交互”时面临两大挑战：一是编码文本中的详细语义信息，二是构建模型以捕捉数字和文本间丰富且高度非线性的相互作用。
　　模型方法：结合BERT与ANN预测未来收益
　　本研究从MD&A报告中提取收益相关句子，并使用BERT编码文本信息。构建ANN全连接模型，将会计信息（营收、经营现金流，按资产规模调整）与上下文信息作为输入，预测未来收益等目标变量。
　　基准模型：（1）数字输入模型；（2）BERT编码后的文本输入模型；（3）部分连接的模型：将文本和数字输入合并，情境信息不参与数字输入的处理（反之亦然）。
　　会计信息与情境互动：提升预期准确性，强化数字解读
　　研究表明，会计信息与其情境间的相互作用有助于形成更准确的预期，叙述性披露通过与数字数据的相互作用促进了会计数字的解读。情境性在宏观经济不确定性增加时更为重要，且分析师在预测决策中考虑了叙述情境与数字披露的相互作用，提高了预测准确性。模型通过情境衡量收益持续性异质性，成功捕捉公司-年度特征，在解释样本外收益动态方面信息价值更高。
　　文献来源
　　核心内容摘选自ALEXG. KIM , VALERIV. NIKOLAEV于2024年10月31日在Journal of Accounting Research上的文章《Context-Based Interpretation of Financial Information》。
　　风险提示
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。