Jul, 2023
FinPT：基于预训练基础模型的金融风险预测与配置调优
FinPT: Financial Risk Prediction with Profile Tuning on Pretrained
Foundation Models
TL;DR金融风险预测在金融领域中起着关键作用。机器学习方法已被广泛应用于自动检测潜在风险，从而节省劳动成本。然而，近年来在这一领域的发展在以下两个方面滞后：1）所使用的算法有些过时，特别是在生成式人工智能和大型语言模型（LLM）快速发展的背景下；2）缺乏统一的、开源的金融基准已经阻碍了相关研究多年。为了解决这些问题，我们提出了FinPT和FinBench：前者是一种新颖的金融风险预测方法，它在大型预训练基础模型上进行Profile Tuning；后者是一组关于金融风险的高质量数据集，如违约、欺诈和流失。在FinPT中，我们将金融表格数据填充到预定义的指令模板中，通过提示LLMs获取自然语言客户配置文件，并使用配置文件文本对大型基础模型进行微调以进行预测。通过在FinBench上与一系列代表性的强基线进行实验，我们证明了所提出的FinPT的有效性。分析研究进一步深化了对于金融风险预测的大型语言模型的理解。