以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Much of the variation in financial time series is driven by market-wide shocks that cannot be predicted from an asset's own history. Per-asset self-supervised learning treats this variation as irreducible noise. Under a latent factor model, we show that conditioning prediction on the realized market factor makes the as
阅读原文 · Yuqi Wang, Fengyuan Liu, Mukai Li, Haochen Luo, Lei Li, Qi Liu
向阳乔木 · opencode-go/deepseek-v4.1-flash
金融时序里有一大块波动，来自单个资产自己的历史根本预测不了的市场冲击。按资产各训一个自监督模型的做法，会把这部分变化当成无法消除的噪声处理掉。 这篇论文的出发点是： 与其把市场冲击当噪声，不如把它显式喂进预测器 。作者在潜在因子模型的框架下证明，把已经实现的市场因子作为条件，资产对市场的暴露度（也就是 beta 这类东西）就从“可选信息”变成了“最优预测的必...