利用大语言模型进行机构投资组合管理：基于角色的集成
计算工程、金融与科学
2024-12-02 v1 多智能体系统
摘要
大语言模型（LLM）在 various 金融应用中展现出前景潜力，但其在复杂投资策略中的潜力仍未得到充分探索。为填补这一空白，我们研究 LLM 如何使用经济指标预测股票和债券投资组合的价格走势，从而实现类似机构投资者所使用的投资组合调整。此外，我们探讨在 LLM 中包含不同角色的影响，使用集成方法来利用其多样化预测。我们的发现表明，LLM 基于的策略，尤其是结合模式集成后，在消费者价格指数（CPI）上升期间的夏普比率方面优于买持策略。然而，传统策略在 CPI 下降或市场急剧下跌时更为有效。这些结果表明，尽管 LLM 可增强投资组合管理，但在不同市场条件下可能需要配合其他策略来优化性能。
引用
@article{arxiv.2411.19515,
title = {Leveraging Large Language Models for Institutional Portfolio Management: Persona-Based Ensembles},
author = {Yoshia Abe and Shuhei Matsuo and Ryoma Kondo and Ryohei Hisano},
journal= {arXiv preprint arXiv:2411.19515},
year = {2024}
}
备注
10 pages, 5 figures, submitted to The IEEE International Workshop on Large Language Models for Finance 2024