論文の概要: FinReport: Explainable Stock Earnings Forecasting via News Factor
Analyzing Model
- arxiv url: http://arxiv.org/abs/2403.02647v1
- Date: Tue, 5 Mar 2024 04:33:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 16:07:52.098578
- Title: FinReport: Explainable Stock Earnings Forecasting via News Factor
Analyzing Model
- Title(参考訳): finreport: ニュースファクタ分析モデルによる説明可能な決算予測
- Authors: Xiangyu Li, Xinjie Shen, Yawen Zeng, Xiaofen Xing, Jin Xu
- Abstract要約: 我々は、一般投資家が情報を収集し、分析し、要約後にレポートを生成するための自動システムFinReportを構築することを目指している。
具体的には、ファイナンシャルニュースの発表と、レポートのプロフェッショナル主義を保証するための多要素モデルに基づいています。
FinReportは3つのモジュールで構成されている。ニュース分解モジュール、リターン予測モジュール、リスクアセスメントモジュールである。
- 参考スコア(独自算出の注目度): 14.217469307568466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The task of stock earnings forecasting has received considerable attention
due to the demand investors in real-world scenarios. However, compared with
financial institutions, it is not easy for ordinary investors to mine factors
and analyze news. On the other hand, although large language models in the
financial field can serve users in the form of dialogue robots, it still
requires users to have financial knowledge to ask reasonable questions. To
serve the user experience, we aim to build an automatic system, FinReport, for
ordinary investors to collect information, analyze it, and generate reports
after summarizing.
Specifically, our FinReport is based on financial news announcements and a
multi-factor model to ensure the professionalism of the report. The FinReport
consists of three modules: news factorization module, return forecasting
module, risk assessment module. The news factorization module involves
understanding news information and combining it with stock factors, the return
forecasting module aim to analysis the impact of news on market sentiment, and
the risk assessment module is adopted to control investment risk. Extensive
experiments on real-world datasets have well verified the effectiveness and
explainability of our proposed FinReport. Our codes and datasets are available
at https://github.com/frinkleko/FinReport.
- Abstract(参考訳): 株価予測の課題は、現実のシナリオにおける投資家の需要により、かなり注目されている。
しかし、金融機関と比較して、一般投資家が要因を掘り下げてニュースを分析するのは容易ではない。
一方,金融分野の大規模言語モデルは対話ロボットという形でユーザに提供することができるが,適切な質問をするためには,財務知識が必要である。
ユーザエクスペリエンスを実現するために,一般投資家が情報を収集し,分析し,要約後にレポートを生成するための自動システムFinReportを構築することを目的とする。
具体的には、finreportは金融ニュースの発表と、レポートのプロフェッショナリズムを保証するための多要素モデルに基づいています。
finreportは、ニュースファクタライゼーションモジュール、リターン予測モジュール、リスク評価モジュールという3つのモジュールで構成されている。
ニュース情報を理解し、株価要因と組み合わせ、リターン予測モジュールは、市場感情に対するニュースの影響を分析することを目的としており、リスク評価モジュールは投資リスクを制御するために採用されている。
実世界のデータセットに関する広範囲な実験により,提案するfinreportの有効性と説明可能性が検証された。
私たちのコードとデータセットはhttps://github.com/frinkleko/finreportで利用可能です。
関連論文リスト
- Are Large Language Models Rational Investors? [9.629632578239974]
大規模言語モデル(LLM)は、複雑な市場データとトレンドを解釈するための広範な知識基盤を活用するために、金融分析において徐々に採用されている。
しかし、金融分野におけるそれらの応用は、内在的バイアス(すなわちリスク参照バイアス)と表面的な市場の複雑さの把握によって挑戦される。
本研究では, LLMの経済的合理性を評価する新しい枠組みであるFinancial Bias Indicators(FBI)を紹介する。
論文 参考訳(メタデータ) (2024-02-20T04:26:08Z) - The FinBen: An Holistic Financial Benchmark for Large Language Models [75.09474986283394]
FinBenは、金融分野におけるLLMの能力を徹底的に評価するために設計された、初めての包括的なオープンソース評価ベンチマークである。
FinBenは、23の財務タスクにわたる35のデータセットを含み、Cattell-Horn-Carroll理論にインスパイアされた3つの難易度に分類されている。
GPT-4, ChatGPT, そして最新のGeminiを含む15の代表的なLCMを評価した結果, 金融分野におけるその強みと限界についての知見が得られた。
論文 参考訳(メタデータ) (2024-02-20T02:16:16Z) - Numerical Claim Detection in Finance: A New Financial Dataset,
Weak-Supervision Model, and Market Analysis [4.9524454709622585]
ファイナンシャルドメインにおけるクレーム検出タスクのための新たな財務データセットを構築した。
本稿では,対象物の専門家(SME)の知識を集約関数に組み込んだ,新たな弱スーパービジョンモデルを提案する。
我々は、新しい測度楽観主義を構築することによって、提案したモデルの実用性を実証する」。
論文 参考訳(メタデータ) (2024-02-18T22:55:26Z) - PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark
for Finance [63.51545277822702]
PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。
我々はLLaMAを細調整してFinMAを提案する。
我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
論文 参考訳(メタデータ) (2023-06-08T14:20:29Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳(メタデータ) (2023-05-25T21:01:00Z) - Dynamic Datasets and Market Environments for Financial Reinforcement
Learning [68.11692837240756]
FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。
我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。
また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
論文 参考訳(メタデータ) (2023-04-25T22:17:31Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳(メタデータ) (2022-10-22T14:47:11Z) - Financial data analysis application via multi-strategy text processing [0.2741266294612776]
本稿では、主に中国A株会社の株価取引データとニュースに焦点を当てる。
本稿では,自然言語処理(NLP)と知識グラフ(KG)技術を用いた金融テキスト処理アプリケーションシナリオの深層学習に向けた取り組みと計画について述べる。
論文 参考訳(メタデータ) (2022-04-25T01:56:36Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - Fact Check: Analyzing Financial Events from Multilingual News Sources [22.504723681328507]
ディープラーニングモデルを用いたWebベースのニュースアグリゲータであるFactCheck in Financeを提案する。
トランスフォーマーベースのファクトチェッカーを用いてニュース記事の信頼性を調べるためのWebインターフェースを提供する。
ファクトチェッカーの性能は、合併・買収(M&A)イベントに関連するデータセットを用いて評価する。
論文 参考訳(メタデータ) (2021-06-29T10:05:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。