金融领域大型语言模型综述：进展、前景与挑战
综合金融
2024-06-19 v1 人工智能
计算金融
摘要
近期大型语言模型（LLM）的快速发展为金融领域的机器学习应用开辟了了新机遇。这些模型在理解上下文、处理海量数据和生成人类偏好内容方面展现了卓越的能力。在本综述中，我们探讨了LLM在金融任务中的应用，聚焦其潜在的变革传统实践和推动创新的作用。我们讨论了LLM在金融语境下的进展与优势，分析了其先进技术以及在上下文理解、传递学习灵活性、复杂情感检测等方面的前景能力。随后，我们着重将现有文献归类为关键应用领域，包括语言任务、情感分析、金融时间序列、金融推理、基于智能体的建模及其他应用。对于每个应用领域，我们深入探讨了具体方法，如文本分析、知识基础分析、预测、数据增强、规划、决策支持和仿真。此外，还 presented了与主流应用相关的综合数据集、模型资产和有用代码，作为面向研究人员和实践者的资源。最后，我们概述了未来研究的挑战和机遇，尤其强调了该领域的若干独特方面。我们希望本工作能帮助推动LLM在金融领域的采用和进一步发展。
引用
@article{arxiv.2406.11903,
title = {A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges},
author = {Yuqi Nie and Yaxuan Kong and Xiaowen Dong and John M. Mulvey and H. Vincent Poor and Qingsong Wen and Stefan Zohren},
journal= {arXiv preprint arXiv:2406.11903},
year = {2024}
}