Ploutos：迈向利用金融大语言模型的可解释股价走势预测
统计金融
2024-03-05 v1 人工智能
计算与语言
摘要
大语言模型（LLMs）的最新进展为许多领域开辟了新途径。然而，LLMs 在金融投资中的全部潜力尚未得到充分挖掘。典型的基于深度学习的量化金融方法面临两个主要挑战。首先，它们难以灵活融合文本和数值信息以进行股价走势预测。其次，传统方法缺乏清晰度和可解释性，这阻碍了其在预测理由至关重要的场景中的应用。为解决上述挑战，我们提出了 Ploutos，一种新型金融 LLM 框架，由 PloutosGen 和 PloutosGPT 组成。PloutosGen 包含多个主要专家，能够分析文本和数字等不同模态的数据，并从不同角度提供量化策略。随后，PloutosGPT 结合它们的见解和预测，生成可解释的理由。为了生成准确且忠实的理由，PloutosGPT 的训练策略利用后视镜提示机制引导 GPT-4 生成理由，并采用动态令牌加权机制通过增加关键令牌权重来微调 LLM。大量实验表明，我们的框架在预测准确性和可解释性方面均优于最先进的方法。
引用
@article{arxiv.2403.00782,
title = {Ploutos: Towards interpretable stock movement prediction with financial large language model},
author = {Hanshuang Tong and Jun Li and Ning Wu and Ming Gong and Dongmei Zhang and Qi Zhang},
journal= {arXiv preprint arXiv:2403.00782},
year = {2024}
}
备注
8 pages, 4 figures