基于 LLM 增强的推特情感分析预测股票价格走势
机器学习
2025-10-07 v1 人工智能
摘要
准确预测短期股票价格走势仍是一项具有挑战性的任务，由于市场固有的波动性及其对投资者情绪的敏感性。本文介绍一种深度学习框架，将从推特数据中提取的情感特征与历史股价信息相结合，用于预测次日显著价格变动。我们利用 Meta 的 Llama 3.1-8B-Instruct 模型预处理推特数据，从而提升从三种情感分析方法（来自 Hugging Face 库的基于转换器的 DistilRoBERTa 分类器以及两套使用加拿大国家研究理事会（NRC）资源的词典方法）中获得的情感特征的质量。这些特征与前一天的股价数据相结合，用于训练长短期记忆（LSTM）模型。在 TSLA、AAPL 和 AMZN 股票上的实验结果表明，所有三种情感分析方法都使预测显著价格走势的平均准确率提升，而仅使用历史股价的基线模型的准确率为 13.5%。采用 DistilRoBERTa 的股票预测模型在使用 LLaMA 增强情感分析后，准确率从 23.6% 提升至 38.5%，显著优于其他方法。这些结果表明，使用大型语言模型预处理推特内容可提升情感分析效果，从而提高预测显著股票价格走势的准确性。
引用
@article{arxiv.2510.03633,
title = {Predicting Stock Price Movement with LLM-Enhanced Tweet Emotion Analysis},
author = {An Vuong and Susan Gauch},
journal= {arXiv preprint arXiv:2510.03633},
year = {2025}
}
备注
17th International Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (KDIR 2025), Marbella, Spain, Oct. 22-24, 2025 (to appear) Best Student Paper Finalist