基于指令微调 LLM、检索增强生成与强化学习的 NIFTY 50 自适应金融情感分析
人工智能
2025-12-25 v2
摘要
金融情感分析在为投资决策、评估市场风险和预测股票价格趋势方面发挥着关键作用。现有金融情感分析工作未考虑股价或市场反馈对情感分析的影响。本文提出一种自适应框架，将大型语言模型 (LLM) 与真实世界的股票市场反馈相集成，以提高印度股市情感分类的准确度。该方法在 SentiFin 数据集上对 LLaMA 3.2 3B 模型进行基于指令的学习微调。为增强情感预测，采用检索增强生成 (RAG) 流程，动态选择基于句子嵌入余弦相似度的多源情境信息。此外，引入反馈驱动模块，通过比较预测情感与实际次日股价回报来调整信息源可靠性，使系统能够迭代适应市场行为。为将该自适应机制在时序数据上推广，采用近端策略优化 (PPO) 训练的强化学习智能体集成其中。PPO 智能体学习基于情感-回报对齐的累积奖励信号优化信息源权重策略。针对 2024-2025 年收集的 NIFTY 50 新闻标题进行实验，结果表明该系统在分类准确率、F1 分数和市场对齐度方面显著优于基线模型和静态检索方法。结果验证了将指令微调 LLM 与动态反馈和强化学习结合用于稳健、市场感知的金融情感建模的潜力。
引用
@article{arxiv.2512.20082,
title = {Adaptive Financial Sentiment Analysis for NIFTY 50 via Instruction-Tuned LLMs , RAG and Reinforcement Learning Approaches},
author = {Chaithra and Kamesh Kadimisetty and Biju R Mohan},
journal= {arXiv preprint arXiv:2512.20082},
year = {2025}
}
备注
Accepted in CODS 2025