Les auteurs présentent un système en deux étapes qui étiquette les formulaires de déclaration SEC Form 8-K selon une taxonomie à trois niveaux de 119 types d'événements, produisant des étiquettes vérifiables et fiables. La première étape ancre chaque étiquette à une citation textuelle via une validation par n-grammes flous, tandis que la seconde réévalue chaque citation citée pour produire un score de qualité.
Le système a traité 292 984 déclarations de 2022 à 2026, produisant 601 088 étiquettes d'événements ancrées qui sont rendues publiques. Un juge LLM a constaté que la précision augmente de manière monotone avec le score de qualité, passant de 12 % à 96 %, tandis que les étiquettes non étayées chutent de 8 % à près de zéro. Les études d'ablation montrent que le score n'est calibré que lorsqu'il est attribué lors d'un deuxième passage dédié.
Une étude d'événements sur les rendements anormaux non ajustés confirme que la taxonomie sépare les événements économiquement distincts partageant un code d'article.