Enhancing Trading Performance Through Sentiment Analysis with Large Language Models: Evidence from the S&P 500
创建于 更新于
摘要
本报告通过将GPT-2及FinBERT等大型语言模型的情感分析与传统技术指标（如MACD、SAR）及时间序列模型（ARIMA、ETS、Prophet）融合，构建S&P 500的交易策略。结果表明，此混合预测方法能显著提升交易表现，混合策略实现5.77%的最高回报，优于基准买入持有策略，凸显情感分析在股票市场中的应用价值[page::0][page::21][page::23][page::25]
