というNBER論文が上がっている。原題は「Firm-Level Risk Exposures and Stock Returns in the Wake of COVID-19」で、著者はSteven J. Davis（シカゴ大）、Stephen Hansen（インペリアル・カレッジ・ビジネス・スクール）、Cristhian Seminario-Amez（シカゴ大）。
以下はその要旨。
Firm-level stock returns differ enormously in reaction to COVID-19 news. We characterize these reactions using the Risk Factors discussions in pre-pandemic 10-K filings and two text-analytic approaches: expert-curated dictionaries and supervised machine learning (ML). Bad COVID-19 news lowers returns for firms with high exposures to travel, traditional retail, aircraft production and energy supply -- directly and via downstream demand linkages -- and raises them for firms with high exposures to healthcare policy, e-commerce, web services, drug trials and materials that feed into supply chains for semiconductors, cloud computing and telecommunications. Monetary and fiscal policy responses to the pandemic strongly impact firm-level returns as well, but differently than pandemic news. Despite methodological differences, dictionary and ML approaches yield remarkably congruent return predictions. Importantly though, ML operates on a vastly larger feature space, yielding richer characterizations of risk exposures and outperforming the dictionary approach in goodness-of-fit. By integrating elements of both approaches, we uncover new risk factors and sharpen our explanations for firm-level returns. To illustrate the broader utility of our methods, we also apply them to explain firm-level returns in reaction to the March 2020 Super Tuesday election results.
（経済）
企業レベルの株式リターンのCOVID-19のニュースへの反応は大きく異なる。我々は、パンデミック以前の10-K報告書でのリスク要因の議論と、2つの文書解析手法――専門家監修の辞書と、教師あり機械学習（ML）――を用いて、これらの反応の特性を調べた。悪しきCOVID-19のニュースは、旅行、従来型の小売業、航空機生産とエネルギー供給へのエクスポージャーが――直接的に、もしくは下流の需要連関を通じて――大きい企業のリターンを下げ、医療保健政策、eコマース、ウェブサービス、医薬の治験、および、半導体・クラウドコンピューティング・テレコミュニケーションのサプライチェーンへの材料供給へのエクスポージャーが大きい企業のリターンを上げる。金融財政政策のパンデミック対応も企業レベルのリターンに大きく影響するが、それはパンデミックのニュースとは違った形においてである。方法論上の違いにもかかわらず、辞書とMLの手法は驚くほど同じリターン予測をもたらす。ただし重要なのは、MLが遥かに大きな特性空間で演算していて、導出されるリスクエクスポージャーの特性がより豊富で、適合度で辞書アプローチを凌いでいる点である。両手法の要素を統合することにより、我々は新たなリスク要因を明らかにし、企業レベルのリターンに関する我々の説明をより明確化する。我々の手法のさらに広範な用途の説明として、我々はそれらの手法を2020年3月のスーパーチューズデーの選挙結果への企業レベルのリターンの反応を説明することにも適用する。
