Temporal Relational Reasoning of Large Language Models for Detecting Stock Portfolio Crashes
创建于 更新于
摘要
本报告提出了一种名为Temporal Relational Reasoning（TRR）的算法框架，利用大规模语言模型及其零样本推理能力，对股票投资组合崩盘风险进行预测。TRR通过模拟人类认知的头脑风暴、记忆、注意力及推理四大能力，从多时点的新闻信息动态生成时间-关系图，显著提升了崩盘检测的准确率。实验证明，TRR在多个经典金融危机时期对不同组合的预测优于深度学习和其他LLM推理方法，对经济危机预警亦具良好泛化能力[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]。
