AlphaFin：基于检索增强股票链框架的金融分析基准评测
计算与语言
2024-03-20 v1
摘要
金融分析任务主要包含两个关键领域：股票趋势预测和相应的金融问答。目前，机器学习和深度学习算法（ML&DL）已广泛应用于股票趋势预测，并取得了显著进展。然而，这些方法无法提供预测理由，缺乏可解释性和推理过程。同时，它们也无法整合金融新闻或报告等文本信息。另一方面，大语言模型（LLMs）具有卓越的文本理解和生成能力。但由于金融训练数据集的稀缺以及与实时知识整合的局限，LLMs 仍然存在幻觉问题，且无法跟上最新信息。为应对这些挑战，我们首先发布了 AlphaFin 数据集，该数据集结合了传统研究数据集、实时金融数据以及人工编写的思维链（CoT）数据。它对训练 LLMs 完成金融分析具有积极作用。随后，我们使用 AlphaFin 数据集对一种名为 Stock-Chain 的最新方法进行基准评测，该方法融合了检索增强生成（RAG）技术，以有效处理金融分析任务。大量实验证明了我们的框架在金融分析上的有效性。
引用
@article{arxiv.2403.12582,
title = {AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework},
author = {Xiang Li and Zhenyu Li and Chen Shi and Yong Xu and Qing Du and Mingkui Tan and Jun Huang and Wei Lin},
journal= {arXiv preprint arXiv:2403.12582},
year = {2024}
}
备注
COLING 2024. The first three authors contributed equally. Project website: https://github.com/AlphaFin-proj/AlphaFin