FinMarBa：面向金融情感分类的市场感知数据集
计算与语言
2025-08-01 v1 综合金融
摘要
本文提出了一种新型的分层框架，用于投资组合优化，将轻量级大语言模型（LLM）与深度强化学习（DRL）相结合，以整合来自金融新闻的情感信号与传统市场指标。该框架采用三层架构：底层RL代理处理混合数据，中层代理汇总其决策，顶层代理基于市场数据和情感分析融合决策。在2018至2024年的数据上评估，训练基于2000至2017年数据后，框架实现了26%的年化收益率和1.2的夏普比率，显著优于等权重和标普500基准。关键贡献包括可扩展的跨模态集成、用于增强稳定性的分层RL结构，以及开源可复现性。
引用
@article{arxiv.2507.22932,
title = {FinMarBa: A Market-Informed Dataset for Financial Sentiment Classification},
author = {Baptiste Lefort and Eric Benhamou and Beatrice Guez and Jean-Jacques Ohana and Ethan Setrouk and Alban Etienne},
journal= {arXiv preprint arXiv:2507.22932},
year = {2025}
}
备注
8 pages