Fine-Tuning Large Language Models for Stock Return Prediction Using Newsflow
创建于 更新于
摘要
本报告提出通过微调大型语言模型(LLMs)实现基于金融新闻流的股票收益预测，设计了集成文本表示与预测模块的模型框架。通过对比编码器和解码器结构的LLMs（DeBERTa、Mistral、Llama）及其表示融合方式（瓶颈与聚合），实验证明聚合表示普遍提升组合表现，并发现解码器模型在大规模投资组合下表现更优；基于LLMs的预测信号超越传统情绪指标，有效指导股票选取和投资组合构建 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
