本論文では、株式の選定、ポートフォリオの最適化、リスク管理などの様々なタスクをサポートする株式リターン予測の手法について述べています。定量ファクターは株式の特性を捉える一方で、ニュースやトランスクリプトなどの非構造的な財務データにも注目が集まっています。本研究では、ファクターとニュースフロー表現を統合的に学習するフュージョン学習フレームワークを提案。さらに、表現の組み合わせ、合計、注意深い表現などの3つの代表的手法を比較し、単一モダリティとそのフュージョンの予測を動的に組み合わせる混合モデルを探求します。また、訓練の不安定性を軽減するために、理論的な洞察に基づくデカップルトレーニングアプローチを導入。実際の投資データを用いた実験により、定量的要因とニュースの効果的なマルチモーダルモデリングに関する複数の洞察が得られました。