面向铝价预测的主题与事件条件情感: 来自微调大语言模型的分析
计算机视觉与模式识别
2026-03-11 v1
摘要
通过捕捉市场情绪和情感氛围, 文本数据日益重要于预测商品价格, 尤其在金属市场。然而, 轻量级微调大语言模型 (LLM) 在从新闻标题中提取铝价预测信号的有效性, 以及这些信号最具信息性的具体市场条件, 仍未得到充分探索。本研究从英文和中文新闻标题 (路透社、道尔士新闻网及中国新闻社) 生成月度情感得分, 并将其与传统表格数据集成, 包括基础金属指数、汇率、通胀率和能源价格。我们通过 2007 年至 2024 年在上海金属交易所的多空模拟, 评估这些模型的预测性能和经济实用性。我们的结果表明, 在高波动性期间, 融合微调 Qwen3 模型情感数据的长短期记忆 (LSTM) 模型 (夏普比率 1.04) 显著优于仅使用表格数据的基线模型 (夏普比率 0.23)。后续分析阐明了新闻来源、主题和事件类型在铝价预测中的细致作用。
引用
@article{arxiv.2603.09084,
title = {OmniEdit: A Training-free framework for Lip Synchronization and Audio-Visual Editing},
author = {Lixiang Lin and Siyuan Jin and Jinshan Zhang},
journal= {arXiv preprint arXiv:2603.09084},
year = {2026}
}