微信扫码
与创始人交个朋友
我要投稿
Stock-Chain结合了大型语言模型(LLMs)和检索增强生成(RAG)技术,以提高股票趋势预测和金融问题回答的准确性和可解释性:
问题定义:Stock-Chain将金融分析任务分为两个阶段:股票趋势预测和金融问答。在股票趋势预测阶段,目标是预测给定公司股票的涨跌趋势;在金融问答阶段,目标是基于用户查询、对话历史和相关文档提供回答。
数据集:Stock-Chain使用AlphaFin数据集进行训练和测试,该数据集包括传统研究数据集、实时金融数据、金融新闻和手工编写的思维链(CoT)数据。
StockGPT微调:通过两步微调过程,Stock-Chain训练了一个名为StockGPT的LLM,第一步使用AlphaFin的财务报告数据集进行训练,第二步使用手工创建的CoT数据集引导模型进行逐步思考。
预测和后处理:StockGPT用于预测股票的涨跌,并提供详细的分析和解释。预测结果经过后处理,选择所有预测为“上涨”的股票作为投资组合。
金融问答:Stock-Chain还具备金融问答能力,通过RAG技术增强LLMs的问答性能。这包括构建向量数据库、知识检索和响应生成。
实验结果表明,Stock-Chain在股票趋势预测任务上实现了最先进的准确性,并且年度回报率(ARR)超过30%。此外,Stock-Chain在金融问答中也能提供全面的分析,增强了投资者的决策信心,并为他们的投资选择提供了坚实的基础。
2020年1月至2023年7月期间,金融报告数据集测试集中每个基线的累积回报率(AR)。该图表显示了一些基线的曲线。
AlphaFin-Test上的主要实验结果。年化回报率(ARR)和准确率(ACC)是核心指标,而中间指标(如AERR、ANVOL等)可以帮助投资者评估模型的有效性。由于回报率通常波动很大,为了确保性能的稳定性,对每个模型运行了10次,并获得了平均结果。
AlphaFin: Benchmarking Financial Analysis with RetrievalAugmented Stock-Chain Frameworkhttps://arxiv.org/pdf/2403.12582.pdfhttps://github.com/AlphaFin-proj/AlphaFin
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-09-19
o1发布后,信息量最大的圆桌对话:杨植麟、姜大昕、朱军探讨大模型技术路径
2024-09-19
杨植麟、姜大昕、朱军云栖激辩:我们对大模型发展的预测,都过于保守了
2024-09-19
大模型Agent:人工智能新前沿的深度解读
2024-09-19
LlamaIndex报告:未来Agentic App,不仅是RAG
2024-09-19
从案例分析到客户沟通:AI提示词如何优化律师工作流程?
2024-09-19
o1 能带我们走进 AGI 吗?
2024-09-19
端到端的 NL2SQL 引擎: Super-Analysis 震撼来袭,一个不同于市面已有产品的存在
2024-09-19
解锁医疗新未来:Sunsimiao-7B 中文医疗大模型震撼登场
2024-07-18
2024-03-30
2024-04-26
2024-04-11
2024-05-06
2024-06-12
2024-05-09
2024-07-09
2023-07-01
2024-07-25
2024-09-19
2024-09-19
2024-09-19
2024-09-19
2024-09-18
2024-09-18
2024-09-18
2024-09-18