将 LLM 对齐人类指令与股票市场反馈用于金融情感分析
计算工程、金融与科学
2024-10-22 v1
摘要
金融情感分析对于交易和投资决策至关重要。本研究引入了一个自适应检索增强框架，用于大型语言模型 (LLM)，该框架通过指令调谐与人类指令对齐，并纳入市场反馈以动态调整检索增强生成 (RAG) 模块中各种知识来源的权重。基于 LLaMA 2 等基础模型，我们对大小从 7B 到 70B 的一系列 LLM 进行了指令调谐和 RAG 增强，并通过应用于 RAG 来源权重的直接反馈和基于强化学习 (RL) 的细化方法进行进一步优化。通过广泛的评估，我们展示了我们 LLM 的情感输出更准确地反映文本数据的内在情感，相较于现有最先进模型和领先的对话式 AI 系统，在准确率和 F1 分数上提升 1% 到 6%。此外，提取的情感更能指示股票价格走势的方向。在此基础上，我们成功构建了组合，其夏普比率在牛市中比 S&P 500 基准高出 3.61%。这些组合在熊市也表现出韧性，熊市中的回报损失比 S&P 500 通常经历的损失降低了 5 倍。
引用
@article{arxiv.2410.14926,
title = {Aligning LLMs with Human Instructions and Stock Market Feedback in Financial Sentiment Analysis},
author = {Zijie Zhao and Roy E. Welsch},
journal= {arXiv preprint arXiv:2410.14926},
year = {2024}
}