FinLLM-B：当大型语言模型遇见金融突破交易
人工智能
2025-02-25 v2 计算与语言
摘要
交易区间突破是金融交易技术分析中的一种关键方法，被股票、期货和外汇等金融市场的交易者广泛采用。然而，区分真假突破并提供正确的理由给投资者带来了重大挑战。传统量化方法需要大量数据，且无法直接呈现推理过程，因此在该领域表现不尽如人意。近年来，大型语言模型在各种下游应用中取得了成功，但其在金融突破检测领域的效果欠佳。原因在于突破检测需要独特的数据和特定知识。为解决这些问题，我们创建了首个金融突破数据集，并推出了 FinLLM-B，这是首个用于金融突破检测的大型语言模型，旨在提升突破交易策略的有效性。此外，我们开发了一种名为多阶段结构的大型语言模型新框架，有效减少了下游应用中的错误。实验结果表明，与 GPT-3.5 相比，FinLLM-B 将答案和理由的平均准确率提高了 49.97%，其中多阶段结构贡献了 9.72% 的提升。此外，其表现优于 ChatGPT-4达 42.38%。
引用
@article{arxiv.2402.07536,
title = {FinLLM-B: When Large Language Models Meet Financial Breakout Trading},
author = {Kang Zhang and Osamu Yoshie and Lichao Sun and Weiran Huang},
journal= {arXiv preprint arXiv:2402.07536},
year = {2025}
}
备注
Accepted by NAACL 2025