利用新闻流进行股票收益预测的大型语言模型微调
原文中文,约400字,阅读约需1分钟。发表于: 。本研究探讨了使用大型语言模型(LLMs)和其微调技术进行股票回报预测的方法,通过金融新闻流进行微调。实验结果表明,LLMs 的文本表示对股票组合构建具有较强的信号,并能提高回报预测性能。
金融情绪分析对揭示模式和检测趋势很重要。研究发现,经过微调的较小LLM在金融领域表现出与最先进模型相当的性能。增加上下文学习的样本数量并不能提高金融情绪分析的性能。
本研究探讨了使用大型语言模型(LLMs)和其微调技术进行股票回报预测的方法,通过金融新闻流进行微调。实验结果表明,LLMs 的文本表示对股票组合构建具有较强的信号,并能提高回报预测性能。
金融情绪分析对揭示模式和检测趋势很重要。研究发现,经过微调的较小LLM在金融领域表现出与最先进模型相当的性能。增加上下文学习的样本数量并不能提高金融情绪分析的性能。