Harnessing Earnings Reports for Stock Predictions: A QLoRA-Enhanced LLM Approach
创建于 更新于
摘要
本报告提出利用指令微调结合4-bit QLoRA量化适配技术，基于包含财务指标增长、业绩电话会议内容及外部市场指数和分析师评级的综合数据集，训练大语言模型以提升财报后股票涨跌预测的准确率。实证显示，特别是llama-3-8b-Instruct-4bit模型在准确率、加权F1和MCC上显著优于GPT-4，验证了多因素融合和模型压缩对金融预测的有效性，并探讨了未来加入“持有”选项及延长预测周期的方向。[page::0][page::1][page::3][page::4]
