Evaluación de factores de sentimiento LLM para operar con acciones chinas

Resumen

Este artículo presenta un marco experimental para comprobar si los modelos de lenguaje grandes pueden extraer señales de sentimiento útiles de noticias financieras chinas. Aplica tres modelos, seleccionados para representar distintos enfoques de mejora del rendimiento, a resúmenes de noticias relacionadas con empresas. Las medidas de sentimiento resultantes se tratan como posibles factores cuantitativos, vinculando el análisis de texto con las decisiones de cartera, en lugar de evaluar únicamente la salida lingüística.

A continuación, el estudio crea estrategias de trading a partir de esos factores y las evalúa mediante backtests concebidos para reflejar condiciones de trading realistas. Según se describe aquí, su principal aportación es un procedimiento estandarizado para comparar modelos y su uso posterior en trading. El fragmento no indica los nombres de los modelos, el periodo del backtest, el índice de referencia, los resultados numéricos ni medidas detalladas contra la filtración de información y los costes de transacción, por lo que no permite establecer qué modelo o estrategia funciona mejor. Los resultados se presentan como una evaluación del potencial, no como prueba de capacidad predictiva duradera.

Ideas clave

• Los modelos de lenguaje grandes pueden evaluarse para extraer sentimiento de resúmenes de noticias financieras chinas.
• El estudio compara tres modelos que representan distintos enfoques para mejorar el rendimiento.
• El sentimiento extraído se utiliza para crear factores cuantitativos y estrategias de trading.
• El backtesting conecta los resultados de los modelos de lenguaje con la evaluación del rendimiento de las inversiones.
• El fragmento no ofrece resultados numéricos ni los detalles necesarios para valorar la robustez y la durabilidad predictiva.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.