Apr, 2023

FOMC 会议记录分析：语言模型的准确性与约束

PDF
TL;DR本文分析 FOMC 官方声明中的语言以获取对金融市场和经济预测的影响，结果表明，FOMC 小心避免表达情绪；使用 VADER，FinBERT 和 GPT-4 等先进的语言建模技术。FinBERT 能够更准确地预测负面情绪，但是分析强调了使用 NLPTechniques 分析 FOMC 文本的挑战和限制，并建议增强语言模型和探索替代方法。
fomclanguage modelingfinancial marketseconomic forecastingnlp
发现论文，激发创造
  • 大型语言模型的宏观经济预测

    通过对比分析，本论文评估了大型语言模型和传统宏观时间序列预测方法的准确性。发现大型语言模型在宏观经济时间序列预测方面与传统方法相比存在优势和局限性。

    Jul, 2024

  • FinBERT：使用预训练语言模型进行金融情感分析

    本文提出了一种名为 FinBERT 的基于 BERT 预训练语言模型，用于在金融领域处理自然语言处理任务，实验结果表明它在当前两个金融情感分析数据集上的表现优于现有的机器学习方法。

    Aug, 2019

  • 利用大型语言模型掌握商业和媒体洞察力

    Fortune Analytics Language Model (FALM) 是一种先进的商业和媒体领域的 LLM，通过提供深入和准确的综合商业分析、市场趋势、公司绩效指标和专家见解，帮助用户直观地了解不同商业领域的趋势。

    Jun, 2024

  • 基于文本的金融预测模型一致性测量

    该研究旨在利用自然语言处理技术，设计并提供一种基于逻辑一致性的财务文本评估工具 ——FinTrust，分析现有的 NLP 模型对于历史市场信息的预测一致性较差，表明目前的基于文本的方式无法可靠地进行金融预测。

    May, 2023

  • 金融情感分析的大规模语言模型适应

    该研究针对金融领域进行了大规模语言模型（LLM）的适应性研究，并着重研究了金融情感分析，发现通过精细调整基础模型并结合金融文档和指令数据集，小型 LLM 在性能上与大型模型可媲美，而且在参数和数据方面更高效。此外，研究还展示了如何通过 LLM 生成人工指令以增加指令数据集的样本数量。

    Jan, 2024

  • 新闻叙事解码：大型语言模型在框架偏见检测中的关键分析

    本研究通过零 - shot、少 - shot 和可解释性提示方法，考察了 GPT-3.5 Turbo、GPT-4 和 Flan-T5 模型在检测新闻标题中的框架偏见方面的性能，并强调可解释性设置对社会科学研究中框架偏见的重要性。

    Feb, 2024

  • 金融监管解释的大型语言模型

    该研究探讨了大型语言模型作为解读复杂金融法规的分析工具的创新应用。其主要目标是设计有效的提示，指导语言模型将冗长而复杂的监管文本，如巴塞尔 III 资本要求规定，压缩为简明的数学框架，然后转化为可执行的代码。这种新颖方法旨在简化全球银行机构在财务报告和风险管理系统中实施监管要求的过程。通过案例研究评估了各种语言模型的性能，结果表明 GPT-4 在处理和收集必要信息以及执行数学计算方面优于其他模型。案例研究使用了包括固定收益、股票、货币对和大宗商品在内的资产持有进行数值模拟，以展示语言模型如何有效实施巴塞尔 III 资本充足性要求。

    May, 2024

  • 金融情绪分析的预训练大型语言模型

    金融情感分析是将金融文本内容分类为情感类别（如积极、消极和中性）。本文聚焦于金融新闻标题的分类，通过利用预训练的大型语言模型以及监督微调技术，实现在少量训练样本情况下显著超越之前最先进的算法。

    Jan, 2024

  • 金融文本数据的多标签主题模型

    本研究提出了一种适用于金融文本的多标签主题模型，使用新的金融多标签数据库进行训练，并通过分析股市反应来研究不同主题之间的差异以及协同出现主题对股市反应的影响，模型的最佳表现可达到超过 85% 的宏观 F1 得分。

    Nov, 2023

  • 大型语言模型揭示信息操作的目标、策略和叙事框架

    使用大型语言模型 GPT-3.5 来分析对抗性信息操作，协调性运动以及提取高阶指标，以提供比先前方法更完整的信息运动图像。

    May, 2024