Forecasting Credit Ratings: A Case Study where Traditional Methods Outperform Generative LLMs
创建于 更新于
摘要
本文研究了大型语言模型（LLMs）在企业信用评级预测中的表现，发现尽管LLMs在文本编码上具备优势，但传统的XGBoost模型结合基础面及宏观经济数据与高密度文本嵌入特征，在数字和多模态数据编码上表现更优，且具有更强的可解释性和稳定性，凸显了在金融多模态预测任务中传统方法的重要性和竞争力 [page::0][page::1][page::5][page::6][page::7]。
