金融领域的数值主张检测：新金融数据集、弱监督模型与市场分析
计算与语言
2024-10-08 v2 机器学习
计算金融
摘要
本文研究了分析师报告和财报电话会议中的主张对金融市场回报的影响，将其视为上市公司重要的季度事件。为了促进全面分析，我们构建了一个用于金融领域主张检测任务的新金融数据集。我们在该数据集上对多种语言模型进行了基准测试，并提出了一种新颖的弱监督模型，该模型在聚合函数中融入了主题专家 (SMEs) 的知识，性能优于现有方法。我们还通过构建一种新颖的乐观度衡量指标，展示了所提模型的实际效用。在此，我们观察到盈余惊喜和回报对我们乐观度指标的依赖性。我们的数据集、模型和代码已在 GitHub 上公开（遵循 CC BY 4.0 许可协议）。
引用
@article{arxiv.2402.11728,
title = {Numerical Claim Detection in Finance: A New Financial Dataset, Weak-Supervision Model, and Market Analysis},
author = {Agam Shah and Arnav Hiray and Pratvi Shah and Arkaprabha Banerjee and Anushka Singh and Dheeraj Eidnani and Sahasra Chava and Bhaskar Chaudhury and Sudheer Chava},
journal= {arXiv preprint arXiv:2402.11728},
year = {2024}
}
备注
Accepted at The Seventh FEVER Workshop EMNLP 2024