FinSentLLM：用于增强金融情感预测的多 LLM 与结构化语义信号
计算工程、金融与科学
2025-09-17 v1
摘要
金融情感分析（FSA）引起了广泛关注，近期研究越来越多地探索该领域的大语言模型（LLM）。然而，大多数工作仅评估分类指标，尚不清楚情感信号是否与市场行为一致。我们提出了 FinSentLLM，这是一个轻量级多 LLM 框架，通过一个紧凑的元分类器集成了情感预测 LLM 专家小组以及结构化语义金融信号。该设计无需昂贵的重训练即可捕捉专家互补性、语义推理信号以及一致/分歧模式，在 Financial PhraseBank 数据集上的准确率和 F1 分数相比强基线取得了 3-6% 的一致提升。此外，我们还提供了计量经济学证据，表明金融情感与股票市场在统计上表现出显著的长期协动性，将动态条件相关 GARCH（DCC-GARCH）和 Johansen 协整检验应用于从 FNSPID 数据集和主要股票指数计算的每日情感分数。综合而言，这些结果表明 FinSentLLM 为金融情感提供了卓越的预测准确度，并进一步确立了情感信号与长期股票市场动态之间存在稳健联系。
关键词
引用
@article{arxiv.2509.12638,
title = {FinSentLLM: Multi-LLM and Structured Semantic Signals for Enhanced Financial Sentiment Forecasting},
author = {Zijian Zhang and Rong Fu and Yangfan He and Xinze Shen and Yanlong Wang and Xiaojing Du and Haochen You and Jiazhao Shi and Simon Fong},
journal= {arXiv preprint arXiv:2509.12638},
year = {2025}
}