ECC Analyzer: 利用大型语言模型从财报电话会议中提取交易信号以预测股票表现
计算工程、金融与科学
2024-09-02 v2 人工智能
计算与语言
风险管理
交易与市场微观结构
摘要
在金融分析领域，利用财报电话会议 (ECC) 等非结构化数据来预测股票波动性是一个关键挑战，吸引了学术界和投资者的关注。虽然先前的研究已使用基于多模态深度学习的模型来获取 ECC 的总体视图以进行波动率预测，但它们往往无法捕捉到详细、复杂的信息。我们的研究引入了一个新颖的框架：**ECC Analyzer**，它利用大型语言模型 (LLM) 从 ECC 中提取更丰富、更具预测性的内容，以辅助模型的预测性能。我们使用预训练的大型模型从 ECC 中提取文本和音频特征，并实施分层信息提取策略以提取更细粒度的信息。该策略首先通过总结文本提取段落级的一般信息，然后使用检索增强生成 (RAG) 提取细粒度的焦点句子。这些特征随后通过多模态特征融合进行融合，以执行波动率预测。实验结果表明，我们的模型优于传统的分析基准，证实了先进的 LLM 技术在金融分析中的有效性。
引用
@article{arxiv.2404.18470,
title = {ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model for Stock Performance Prediction},
author = {Yupeng Cao and Zhi Chen and Qingyun Pei and Nathan Jinseok Lee and K. P. Subbalakshmi and Papa Momar Ndiaye},
journal= {arXiv preprint arXiv:2404.18470},
year = {2024}
}
备注
9 pages, 1 figures, 2 tables