大语言模型在金融市场的预测效能
投资组合管理
2024-11-26 v1 计算金融
摘要
过去数十年间，预测股票市场及其他资产的走势对投资者具有重要价值。了解某一行业市场在未来可能走向的信息，可为投资者提供制定盈利策略或降低风险的依据。然而，市场数据噪声较大，难以选择合适的数据或模型进行预测。随着大语言模型（Large Language Models, LLM）的兴起，人们能够比以往更高效地分析某些数据。我们的目标是确定GPT模型是否比其他传统Transformer模型（如BERT模型）提供更有用的信息。我们采用美国联邦储备局《皮尔顿书》（Federal Reserve Beige Book）中的数据，后者提供了美国不同地区经济状况的概述。利用这些数据，我们让LLM对相关性进行预测。随后，我们将这些相关性结果与众所周知的策略进行比较，判断经济状况的信息是否能提升投资决策。我们得出结论，尽管《皮尔顿书》确实包含了关于不同资产之间相关性的信息，但GPT模型存在过多的前瞻偏差，传统模型仍占据优势。
引用
@article{arxiv.2411.16569,
title = {Predictive Power of LLMs in Financial Markets},
author = {Jerick Shi and Burton Hollifield},
journal= {arXiv preprint arXiv:2411.16569},
year = {2024}
}