利用FinBERT、GPT-4与逻辑回归进行创新性情感分析与股价预测：数据驱动方法

本研究探索了前沿AI模型——金融双向编码器表示来自变换器（FinBERT）、生成式预训练变换器GPT-4以及逻辑回归——在情感分析与股价预测方面的比较性能，使用金融新闻和NGX全股指数数据标签。通过利用先进自然语言处理模型如GPT-4和FinBERT，以及传统机器学习模型逻辑回归，我们旨在对市场情感进行分类、生成情感分数并预测市场价格变动。本研究展示了AI在股票市场中的全球进展，展示了最先进语言模型如何有助于理解复杂金融数据。模型使用准确率、精确率、召回率、F1分数和ROC AUC等指标进行评估。结果表明，逻辑回归在准确率81.83%和ROC AUC 89.76%方面优于计算密集度更高的FinBERT和多功能GPT-4的预定义方法。GPT-4的预定义方法准确率较低（54.19%），但在处理复杂数据方面展现出强大潜力。FinBERT虽然提供了更精细的分析，但资源需求高且性能中等。使用Optuna进行超参数优化以及交叉验证技术确保了模型的鲁棒性。本研究突出了AI方法在股票市场预测中实际应用的优势与局限，并将逻辑回归呈现为此任务最高效的模型，FinBERT和GPT-4则代表具有未来探索和创新潜力的新兴工具。