본문으로 건너뛰기
라이브러리 문서 전체

중국 주식 거래를 위한 LLM 감성 요인 평가

기사 arXiv papers · 저자: Haohan Zhang et al.
원문 읽기

요약

이 논문은 대규모 언어 모델이 중국 금융 뉴스에서 유용한 감성 신호를 추출할 수 있는지 시험하는 실험 프레임워크를 개괄합니다. 모델 성능을 높이는 서로 다른 접근을 대표하도록 고른 모델 세 가지를 기업 관련 뉴스 요약에 적용합니다. 결과로 얻은 감성 측정값은 언어 출력만 평가하는 대신 텍스트 분석을 포트폴리오 의사결정과 연결하는 후보 정량 요인으로 다룹니다.

이 연구는 그런 요인으로 트레이딩 전략을 만들고 현실적인 거래 상황을 반영하도록 설계한 백테스트로 평가합니다. 여기서 설명하는 핵심 기여는 모델과 후속 트레이딩 활용을 비교하는 표준화된 절차입니다. 발췌문에는 모델명, 백테스트 기간, 벤치마크, 수치 결과, 데이터 누출 및 거래 비용을 방지하기 위한 세부 조치가 없어 어느 모델이나 전략의 성과가 가장 좋은지 판단할 수 없습니다. 연구 결과는 지속적인 예측력을 입증하기보다 가능성을 평가한 것으로 제시됩니다.

핵심 아이디어

  • 중국 금융 뉴스 요약에서 감성을 추출하는 대규모 언어 모델을 평가할 수 있습니다.
  • 연구는 성능 향상 접근이 서로 다른 모델 세 가지를 비교합니다.
  • 추출한 감성을 정량 요인과 트레이딩 전략 구성에 활용합니다.
  • 백테스트로 언어 모델 출력과 투자 성과 평가를 연결합니다.
  • 발췌문에는 견고성과 예측력의 지속성을 판단할 수치 결과나 세부 정보가 없습니다.

태그

머신러닝시장 심리주식중국 시장백테스트
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.