中文

利用语言模型从10-K报告生成长期股票交易信号

统计金融 2024-10-28 v1 综合经济学 经济学

摘要

量子系统中的耗散相变大多在所谓的马尔可夫近似下进行研究,即系统所耦合的环境是无记忆的。在此,我们将耗散相变的谱理论推广到非马尔可夫系统,涵盖更广泛的量子材料和实验,并为物质相的非马尔可夫工程开辟了许多可能性,例如,如姊妹篇论文[Debecker et al., Phys. Rev. Lett. 133, 140403 (2024)]所探讨的,重塑相边界和触发相变。我们首先证明了关于一般系统非马尔可夫动力学生成元谱与耗散相变之间联系的若干命题。然后,作为基准,我们展示了我们的框架能够捕捉到具有挑战性的U(1)U(1)对称双模Dicke模型中出现的超辐射相变的所有预期特征,而该模型仅从原子的约化动力学描述出发,此前所有其他方法都未能完成这一任务。

关键词

引用

@article{arxiv.2410.18988,
  title  = {Generating long-horizon stock "buy" signals with a neural language model},
  author = {Joel R. Bock},
  journal= {arXiv preprint arXiv:2410.18988},
  year   = {2024}
}