Đánh giá LLM yếu tố tâm lý trong giao dịch cổ phiếu Trung Quốc

Tóm tắt

Bài viết phác thảo một khuôn khổ thực nghiệm để kiểm tra liệu mô hình ngôn ngữ lớn có thể trích xuất tín hiệu tâm lý hữu ích từ tin tức tài chính Trung Quốc hay không. Bài áp dụng ba mô hình khác nhau, được chọn để đại diện cho các cách tiếp cận riêng nhằm cải thiện hiệu suất mô hình, vào các bản tóm tắt tin tức liên quan đến doanh nghiệp. Các thước đo tâm lý thu được được xem là những yếu tố định lượng tiềm năng, kết nối phân tích văn bản với quyết định danh mục thay vì chỉ đánh giá đầu ra ngôn ngữ.

Sau đó, nghiên cứu xây dựng chiến lược giao dịch từ các yếu tố này và đánh giá chúng bằng kiểm thử lịch sử nhằm phản ánh điều kiện giao dịch thực tế. Đóng góp chính như được mô tả là một quy trình chuẩn hóa để so sánh mô hình và việc sử dụng đầu ra của chúng trong giao dịch. Trích đoạn không nêu tên mô hình, giai đoạn kiểm thử lịch sử, chuẩn đối chiếu, kết quả số hay biện pháp chi tiết để ngăn rò rỉ dữ liệu và tính đến chi phí giao dịch, nên không xác định mô hình hay chiến lược nào hiệu quả nhất. Các phát hiện được trình bày như một đánh giá tiềm năng, chứ không phải bằng chứng về năng lực dự báo bền vững.

Ý chính

• Mô hình ngôn ngữ lớn có thể được đánh giá về khả năng trích xuất tâm lý từ bản tóm tắt tin tức tài chính Trung Quốc.
• Nghiên cứu so sánh ba mô hình đại diện cho các cách tiếp cận khác nhau nhằm cải thiện hiệu suất.
• Tâm lý được trích xuất được dùng để tạo yếu tố định lượng và chiến lược giao dịch.
• Kiểm thử lịch sử kết nối đầu ra mô hình ngôn ngữ với việc đánh giá hiệu quả đầu tư.
• Trích đoạn không có kết quả số hoặc chi tiết cần thiết để đánh giá độ vững chắc và tính bền vững của năng lực dự báo.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.