金融情感分析：利用实际与合成数据进行监督式微调
机器学习
2024-12-16 v1 计算与语言
摘要
有效市场假说（EMH）凸显了金融新闻对股票价格变动的核心作用。金融新闻以公司公告、新闻标题及其他形式的数字文本呈现。从金融新闻生成洞察可通过情感分析实现。通用语言模型过于宽泛，难以用于金融领域的情感分析。用于微调通用语言模型的精选标注数据稀缺，现有针对金融情感分析的微调模型也未能捕获最大上下文宽度。我们假设使用实际数据与合成数据可提升性能。我们引入 BertNSP-finance 通过拼接较短的金融句子生成更长的金融句子，以及 finbert-lc 用于从数字文本中判断情感。结果表明，在具有 50% 和 100% 一致性水平的金融短语库数据上，模型在准确率和 F1 分数方面均实现提升。
引用
@article{arxiv.2412.09859,
title = {Financial Sentiment Analysis: Leveraging Actual and Synthetic Data for Supervised Fine-tuning},
author = {Abraham Atsiwo},
journal= {arXiv preprint arXiv:2412.09859},
year = {2024}
}