From Financial Sentiment Classification to Return Predictability: A QLoRA Benchmark of Large Language Models
创建于 更新于
摘要
本文通过两个相互分离的实验，系统比较传统机器学习、FinBERT、Financial-RoBERTa及多种QLoRA适配大语言模型在金融情感分类和股票收益预测中的表现。结果显示，QLoRA显著提升了Qwen2.5的分类能力，Mistral-7B取得最高测试准确率与Macro-F1；但在2019年Benzinga新闻与标普100股票样本中，情感信号仅呈现微弱、短期的收益相关性，经过Newey–West及FDR校正后没有稳健显著性，说明语言分类准确率与可交易收益预测之间存在明显断层。[page::0][page::8][page::10][page::13]
