面向金融基本面分析的高效 AI：基准数据集与评估
统计金融
2025-11-11 v2 人工智能
摘要
生成式 AI，特别是大型语言模型 (LLM)，正逐渐改变金融行业，通过自动化任务并帮助理解复杂的金融信息。一个尤为有前景的用例是自动创建基本面分析报告，这些报告对于做出明智的投资决策、评估信用风险、指导企业并购等至关重要。虽然 LLM 试图从单个提示生成这些报告，但准确性风险很大。分析不当可能导致错误的投资、监管问题以及信任的丧失。现有的金融基准主要评估 LLM 回答金融问题的能力，但不反映在如生成金融分析报告等实际任务中的表现。本文提出了 FinAR-Bench，一个聚焦于财务报表分析的坚实基准数据集，这是基本面分析的核心能力。为使评估更精确可靠，我们将此任务分为三个可衡量的步骤：提取关键信息、计算财务指标和应用逻辑推理。这种结构化方法允许我们客观评估 LLM 在该过程每个步骤中的表现。我们的发现为理解 LLM 在基本面分析中的当前优势与局限性提供了清晰的认识，并提供了一种更实用的方式来衡量其在现实金融环境中的性能。
引用
@article{arxiv.2506.07315,
title = {Towards Competent AI for Fundamental Analysis in Finance: A Benchmark Dataset and Evaluation},
author = {Zonghan Wu and Congyuan Zou and Junlin Wang and Chenhan Wang and Hangjing Yang and Yilei Shao},
journal= {arXiv preprint arXiv:2506.07315},
year = {2025}
}