تقييم عوامل المشاعر LLM لتداول الأسهم الصينية

الملخص

تعرض هذه الورقة إطاراً تجريبياً لاختبار قدرة النماذج اللغوية الكبيرة على استخلاص إشارات مشاعر مفيدة من الأخبار المالية الصينية. وتطبق ثلاثة نماذج اختيرت لتمثيل أساليب مختلفة لتحسين أداء النماذج على ملخصات أخبار الشركات. وتُعامل مقاييس المشاعر الناتجة كعوامل كمية مرشحة، تربط تحليل النص بقرارات المحفظة بدلاً من تقييم مخرجات اللغة وحدها.

ثم تبني الدراسة استراتيجيات تداول من تلك العوامل وتقيّمها باختبارات تاريخية يُراد لها أن تعكس ظروف تداول واقعية. وتتمثل مساهمتها الأساسية، وفق الوصف هنا، في إجراء معياري لمقارنة النماذج واستخدامها اللاحق في التداول. ولا يورد المقتطف أسماء النماذج أو فترة الاختبار التاريخي أو معيار المقارنة أو نتائج رقمية أو ضمانات مفصلة ضد تسرب البيانات وتكاليف المعاملات، لذا لا يحدد أي نموذج أو استراتيجية يحقق أفضل أداء. وتُعرض النتائج كتقييم للإمكانات، لا كدليل على قوة تنبؤية مستدامة.

الأفكار الرئيسية

• يمكن تقييم النماذج اللغوية الكبيرة لاستخلاص المشاعر من ملخصات الأخبار المالية الصينية.
• تقارن الدراسة ثلاثة نماذج تمثل أساليب مختلفة لتعزيز الأداء.
• تُستخدم المشاعر المستخلصة لتكوين عوامل كمية واستراتيجيات تداول.
• يربط الاختبار التاريخي مخرجات النماذج اللغوية بتقييم أداء الاستثمار.
• لا يقدم المقتطف نتائج رقمية أو تفاصيل لازمة للحكم على المتانة واستدامة القدرة التنبؤية.

الوسوم

# Unveiling the Potential of Sentiment: Can Large Language Models Predict Chinese Stock Price Movements?


# Unveiling the Potential of Sentiment: Can Large Language Models Predict Chinese Stock Price Movements?









The rapid advancement of Large Language Models (LLMs) has spurred discussions about their potential to enhance quantitative trading strategies. LLMs excel in analyzing sentiments about listed companies from financial news, providing critical insights for trading decisions. However, the performance of LLMs in this task varies substantially due to their inherent characteristics. This paper introduces a standardized experimental procedure for comprehensive evaluations. We detail the methodology using three distinct LLMs, each embodying a unique approach to performance enhancement, applied specifically to the task of sentiment factor extraction from large volumes of Chinese news summaries. Subsequently, we develop quantitative trading strategies using these sentiment factors and conduct back-tests in realistic scenarios. Our results will offer perspectives about the performances of Large Language Models applied to extracting sentiments from Chinese news texts.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.