FinRipple：将大语言模型与金融市场对齐以实现事件涟漪效应感知
社会与信息网络
2025-06-02 v1
摘要
金融市场表现出复杂的动态变化，其中局部事件会在实体间引发涟漪效应。以往的事件研究受限于静态的单公司分析和简单的假设，未能捕捉到这些涟漪效应。虽然大语言模型（LLM）提供了涌现的推理能力，但由于对市场结构缺乏感知以及分析涟漪效应的能力有限，其直接应用受到阻碍。我们提出了 FinRipple，这是一个优雅的框架，通过金融理论指导的大规模强化学习赋予 LLM 分析涟漪效应的能力。我们首先放宽了以往方法的假设，引入时变知识图谱来准确表示市场结构。通过无缝集成经典资产定价理论，我们将 LLM 与市场对齐，使其能够预测涟漪效应。据我们所知，我们是首个提供涟漪效应预测标准化定义的，这是一项在金融领域极其重要但尚未被探索的任务。广泛的实验表明，FinRipple 为该任务提供了一个有前景的解决方案。
引用
@article{arxiv.2505.23826,
title = {FinRipple: Aligning Large Language Models with Financial Market for Event Ripple Effect Awareness},
author = {Yuanjian Xu and Jianing Hao and Kunsheng Tang and Jingnan Chen and Anxian Liu and Peng Liu and Guang Zhang},
journal= {arXiv preprint arXiv:2505.23826},
year = {2025}
}