中国株取引に向けたLLMセンチメント要因の評価
記事 arXiv papers · 著者: Haohan Zhang et al.
サマリー
この論文は、大規模言語モデルが中国語の金融ニュースから有用なセンチメントシグナルを抽出できるかを検証する実験的枠組みを示しています。性能向上に向けた異なるアプローチを代表する3つのモデルを、企業関連ニュースの要約に適用しています。得られたセンチメント指標を候補となる定量ファクターとして扱い、言語出力だけを評価するのではなく、テキスト分析とポートフォリオ判断を結びつけています。
続いて、そうしたファクターからトレード戦略を構築し、現実的な取引条件を反映することを意図したバックテストで評価しています。ここで説明される主な貢献は、モデルと、その出力を用いた取引を比較するための標準化された手順です。抜粋にはモデル名、バックテスト期間、ベンチマーク、数値結果、情報漏洩や取引コストを防ぐための詳細な対策がなく、どのモデルや戦略が最も優れているかは示されていません。結果は、持続的な予測力の証明ではなく、可能性の評価として位置づけられています。
主なアイデア
- 中国語の金融ニュース要約からのセンチメント抽出について、LLMを評価できます。
- 性能向上に向けた異なるアプローチを代表する3つのモデルを比較しています。
- 抽出したセンチメントから定量ファクターとトレード戦略を構築しています。
- バックテストを通じて、言語モデルの出力を投資パフォーマンスの評価につなげています。
- 頑健性や予測力の持続性を判断するための数値結果や詳細は、抜粋にありません。
タグ
全文
# 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.
出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0
この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。