前沿研究
FinGPT：基于情绪增强LLM的股票走势预测 金融情感分析对理解新闻对股价的影响至关重要，LLM因其文本分析能力被广泛应用。现有模型主要关注新闻内容，忽视传播范围，影响短期股价预测的准确性。当前方法缺乏足够的上下文数据和明确的提示，限制了LLM的解读能力。 本文提出一种数据驱动的方法，通过整合新闻传播范围、上下文数据和明确指令，提升LLM的情感基础股价预测。通过聚类公司相关新闻评估其影响力，丰富提示信息。构建指令调优数据集以微调LLM，实验结果显示预测准确性提高了8%。
解读： https://mp.weixin.qq.com/s/S0GBDqzUdLA9pM6TlnLuIQ
原文： https://arxiv.org/pdf/2412.10823
AI and Finance： “AI and Finance”对生成式人工智能（Generative AI, 例如 ChatGPT）对金融企业与研究的影响进行了重新审视。研究发现，人工智能的开发和运用正在推动企业和金融研究的技术变革。本研究回顾了有关ChatGPT对公司价值影响的文献，并为未来研究这一重大技术革新带来的冲击提供了方向。最后，本文总结了与人工智能工具改进相关的研究方法创新与应用，为使用人工智能的研究人员提供了工具介绍与建议。
解读： https://mp.weixin.qq.com/s/2zqo79cOpdkKnXyxhf2ssA
原文： https://www.nber.org/papers/w33076
Brown, T. B., et al. (2020). Language Models are Few-Shot Learners. arXiv preprint arXiv:2005.14165.
Language Models are Few-Shot Learners
Vaswani, A., et al. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30.