AI 在投资分析中的应用：用于股票评级的 LLM

投资分析是金融服务行业的基石。先进机器学习技术，特别是大语言模型（LLM）的快速整合，为提升股票评级流程提供了机会。本文探讨了利用 LLM 通过摄取多样化数据集来生成多周期股票评级的应用。传统股票评级方法高度依赖金融分析师的专业知识，并面临数据过载、文件不一致以及对市场事件反应滞后等挑战。我们的研究通过利用 LLM 来提高股票评级的准确性和一致性，从而解决了这些问题。此外，我们评估了在金融领域使用不同数据模态与 LLM 配合的有效性。我们利用了涵盖 2022 年 1 月至 2024 年 6 月的多样化数据集，包括基本面、市场和新闻数据，并使用 GPT-4-32k（v0613）（训练截止日期为 2021 年 9 月，以防止信息泄露）。我们的结果表明，在前瞻收益评估中，我们的基准方法优于传统股票评级方法，特别是在纳入基本面数据时。虽然整合新闻数据可提升短期性能，但用情感得分替代详细的新闻摘要可减少 token 使用量且不损失性能。在许多情况下，完全省略新闻数据可通过减少偏差来提升性能。我们的研究表明，LLM 可以有效利用大量多模态金融数据，如其在股票评级预测任务中的有效性所展示的。我们的工作提供了一个可复现且高效的框架来生成准确的股票评级，作为传统方法的低成本替代方案。未来工作将扩展到更长的时间范围，纳入多样化的数据，并利用更新的模型以获得更深入的洞察。