运用财报进行股票预测：一种增强的QLoRA LLM 方法
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了传统机器学习模型在准确预测财报发布后的股票市场表现中的不足，尤其是在处理和解读财报文本数据时的困难。通过结合大型语言模型（LLM）与量化低秩适应（QLoRA）技术，构建了一个丰富的监督数据集，显著提升了模型在股市预测中的表现，尤其是在准确度和加权F1值上。研究表明，经过优化的 llama-3-8b-Instruct-4bit...
该文章讨论了金融领域中大型语言模型（LLMs）的最新进展，包括上下文理解、迁移学习和复杂情感检测等高级技术。文章介绍了LLMs在语言任务、情感分析、金融时间序列、金融推理和基于代理的建模等应用领域的具体方法。同时提供了相关的数据集、模型资源和有用代码等资源。最后概述了未来研究中的挑战和机遇。
