論文の概要: ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model for Stock Performance Prediction
- arxiv url: http://arxiv.org/abs/2404.18470v2
- Date: Thu, 29 Aug 2024 23:13:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 20:01:42.674653
- Title: ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model for Stock Performance Prediction
- Title(参考訳): ECCアナライザ:ストックパフォーマンス予測のための大規模言語モデルを用いたEarnings Conferenceコールからのトレーディング信号抽出
- Authors: Yupeng Cao, Zhi Chen, Qingyun Pei, Nathan Jinseok Lee, K. P. Subbalakshmi, Papa Momar Ndiaye,
- Abstract要約: 本研究は, 大規模言語モデル(LLM)を用いてECCからよりリッチで予測性の高いコンテンツを抽出する, textbfECC Analyzer という新しいフレームワークを紹介する。
我々は、事前訓練された大規模モデルを用いて、ECCからテキストや音声の特徴を抽出し、階層的な情報抽出戦略を実装し、よりきめ細かい情報を抽出する。
実験により,本モデルが従来の分析ベンチマークより優れていることが示された。
- 参考スコア(独自算出の注目度): 7.358590821647365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the realm of financial analytics, leveraging unstructured data, such as earnings conference calls (ECCs), to forecast stock volatility is a critical challenge that has attracted both academics and investors. While previous studies have used multimodal deep learning-based models to obtain a general view of ECCs for volatility predicting, they often fail to capture detailed, complex information. Our research introduces a novel framework: \textbf{ECC Analyzer}, which utilizes large language models (LLMs) to extract richer, more predictive content from ECCs to aid the model's prediction performance. We use the pre-trained large models to extract textual and audio features from ECCs and implement a hierarchical information extraction strategy to extract more fine-grained information. This strategy first extracts paragraph-level general information by summarizing the text and then extracts fine-grained focus sentences using Retrieval-Augmented Generation (RAG). These features are then fused through multimodal feature fusion to perform volatility prediction. Experimental results demonstrate that our model outperforms traditional analytical benchmarks, confirming the effectiveness of advanced LLM techniques in financial analysis.
- Abstract(参考訳): 金融分析の分野では、決算会議コール(ECC)のような非構造データを活用して株価のボラティリティを予測することは、学者と投資家の両方を惹きつけている重要な課題である。
これまでの研究では、多モードの深層学習モデルを用いて、ボラティリティ予測のためのECCの一般的なビューを取得してきたが、詳細で複雑な情報の取得に失敗することが多い。
大規模な言語モデル(LLM)を用いて,ECCからよりリッチで予測性の高いコンテンツを抽出し,モデルの予測性能を向上する。
我々は、事前訓練された大規模モデルを用いて、ECCからテキストや音声の特徴を抽出し、階層的な情報抽出戦略を実装し、よりきめ細かい情報を抽出する。
この戦略は、まずテキストを要約して段落レベルの一般情報を抽出し、その後、検索型拡張生成(RAG)を用いて微粒な焦点文を抽出する。
これらの特徴は、揮発性予測を行うためにマルチモーダルな特徴融合を通じて融合される。
実験により,本モデルが従来の分析指標より優れており,金融分析における高度なLCM手法の有効性が確認された。
関連論文リスト
- Translating Expert Intuition into Quantifiable Features: Encode Investigator Domain Knowledge via LLM for Enhanced Predictive Analytics [2.330270848695646]
本稿では,調査対象から得られた洞察を定量的かつ実用的な特徴に体系的に変換することで,ギャップを埋める大規模言語モデルの可能性を探る。
我々は、LLMの自然言語理解機能を活用して、これらの赤いフラグを既存の予測モデルに容易に統合可能な構造化機能セットにエンコードするフレームワークを提案する。
その結果、リスク評価と意思決定精度が大幅に向上し、高度な機械学習技術と人間の経験的知識を融合させることの価値が強調された。
論文 参考訳(メタデータ) (2024-05-11T13:23:43Z) - Long Short-Term Memory Pattern Recognition in Currency Trading [0.0]
ワイコフフェイズ(Wyckoff Phases)は、リチャード・D・ワイコフが20世紀初頭に考案したフレームワークである。
本研究は、取引範囲と二次試験の段階を探求し、市場ダイナミクスを理解することの重要性を解明する。
この研究は、これらの相の複雑さを解き明かすことで、市場構造を通して流動性を生み出すことに光を当てている。
この研究は、金融分析とトレーディング戦略におけるAI駆動アプローチの変革の可能性を強調している。
論文 参考訳(メタデータ) (2024-02-23T12:59:49Z) - Learning to Extract Structured Entities Using Language Models [52.281701191329]
機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。
タスクをエンティティ中心にすることで、より多くの洞察を提供するさまざまなメトリクスの使用を可能にします。
本稿では,言語モデル(LM)のパワーを活用し,効率と効率を向上させる新しいモデルを提案する。
論文 参考訳(メタデータ) (2024-02-06T22:15:09Z) - On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。
我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。
本研究は,専門家の選択に重要な意味を持つ。
論文 参考訳(メタデータ) (2024-02-05T12:31:18Z) - A Novel Energy based Model Mechanism for Multi-modal Aspect-Based
Sentiment Analysis [85.77557381023617]
マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。
PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。
EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
論文 参考訳(メタデータ) (2023-12-13T12:00:46Z) - Scaling Vision-Language Models with Sparse Mixture of Experts [128.0882767889029]
提案手法は, 等価計算コストの高密度モデルに対して, 様々なベンチマークにおいて, 最先端性能を実現することができることを示す。
我々の研究は、MoEモデルのトレーニングの安定化、モデル解釈可能性に対するMoEの影響の理解、ビジョン言語モデルをスケールする際の計算性能間のトレードオフのバランスに関する貴重な洞察を提供する。
論文 参考訳(メタデータ) (2023-03-13T16:00:31Z) - A Prescriptive Learning Analytics Framework: Beyond Predictive Modelling
and onto Explainable AI with Prescriptive Analytics and ChatGPT [0.0]
本研究では、透過的な機械学習と、規範的分析を可能にする技術の両方を統合する新しいフレームワークを提案する。
本研究は,プログラムノンコンプリートにおけるリスク学習者を特定するために,予測モデルを用いて提案手法を実証するものである。
論文 参考訳(メタデータ) (2022-08-31T00:57:17Z) - A Comprehensive Review on Summarizing Financial News Using Deep Learning [8.401473551081747]
自然言語処理技術は通常、そのような大量のデータを扱うために使われ、そこから貴重な情報を得るのに使用される。
本研究では,BoW,TF-IDF,Word2Vec,BERT,GloVe,FastTextなどの埋め込み技術を用いて,RNNやLSTMなどのディープラーニングモデルに入力する。
ディープリーミングは、望まれる結果を得るか、最先端技術よりも高い精度を達成するために適用されることが期待された。
論文 参考訳(メタデータ) (2021-09-21T12:00:31Z) - Understanding Attention in Machine Reading Comprehension [56.72165932439117]
本稿では,多面的自己意識と最終的なパフォーマンスとの関係を検討するために,一連の分析実験を実施することに焦点を当てる。
SQuAD(英語)とCMRC 2018(中国語)の定量的解析を行い、BERT, ALBERT, ELECTRAの2つのスパン抽出MCCデータセットについて検討した。
本研究は, 問合せ及び問合せに対する注意が最重要であり, 最終結果と強い相関関係を示すものであることを明らかにする。
論文 参考訳(メタデータ) (2021-08-26T04:23:57Z) - Rethinking Generalization of Neural Models: A Named Entity Recognition
Case Study [81.11161697133095]
NERタスクをテストベッドとして、異なる視点から既存モデルの一般化挙動を分析する。
詳細な分析による実験は、既存のニューラルNERモデルのボトルネックを診断する。
本論文の副産物として,最近のNER論文の包括的要約を含むプロジェクトをオープンソース化した。
論文 参考訳(メタデータ) (2020-01-12T04:33:53Z)
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。