論文の概要: Analogy-Driven Financial Chain-of-Thought (AD-FCoT): A Prompting Approach for Financial Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2509.12611v1
- Date: Tue, 16 Sep 2025 03:19:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:52.85511
- Title: Analogy-Driven Financial Chain-of-Thought (AD-FCoT): A Prompting Approach for Financial Sentiment Analysis
- Title（参考訳）: アナロジー駆動型ファイナンシャル・チェーン・オブ・ワット(AD-FCoT) : 金融感性分析のための実証的アプローチ
- Authors: Anmol Singhal Navya Singhal,
- Abstract要約: 本稿では,歴史的金融ニュースに対する感情予測のためのAnalogy-Driven Financial Chain-of-Thought (AD-FCoT)を提案する。
私たちの知る限り、これは金融における類似例とCoT推論を明示的に組み合わせる最初のアプローチの1つです。
実験により、AD-FCoTは感情分類精度において強いベースラインを上回り、市場リターンとかなり高い相関性が得られることが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial news sentiment analysis is crucial for anticipating market movements. With the rise of AI techniques such as Large Language Models (LLMs), which demonstrate strong text understanding capabilities, there has been renewed interest in enhancing these systems. Existing methods, however, often struggle to capture the complex economic context of news and lack transparent reasoning, which undermines their reliability. We propose Analogy-Driven Financial Chain-of-Thought (AD-FCoT), a prompting framework that integrates analogical reasoning with chain-of-thought (CoT) prompting for sentiment prediction on historical financial news. AD-FCoT guides LLMs to draw parallels between new events and relevant historical scenarios with known outcomes, embedding these analogies into a structured, step-by-step reasoning chain. To our knowledge, this is among the first approaches to explicitly combine analogical examples with CoT reasoning in finance. Operating purely through prompting, AD-FCoT requires no additional training data or fine-tuning and leverages the model's internal financial knowledge to generate rationales that mirror human analytical reasoning. Experiments on thousands of news articles show that AD-FCoT outperforms strong baselines in sentiment classification accuracy and achieves substantially higher correlation with market returns. Its generated explanations also align with domain expertise, providing interpretable insights suitable for real-world financial analysis.
- Abstract（参考訳）: 市場の動きを予想するためには、金融ニュースの感情分析が不可欠だ。
強力なテキスト理解能力を示すLarge Language Models (LLMs)のようなAI技術の台頭により、これらのシステムの拡張に対する新たな関心が高まっている。
しかし、既存の手法は、しばしばニュースの複雑な経済的文脈を捉えるのに苦労し、その信頼性を損なう透明な推論を欠いている。
本稿では,歴史的金融ニュースの感情予測を促すために,類推的推論と連鎖的思考(CoT)を統合化するための促進的枠組みであるAnalogy-Driven Financial Chain-of-Thought (AD-FCoT)を提案する。
AD-FCoT は LLM を誘導し、新しい事象と関連する歴史的シナリオと既知の結果とを並行させ、これらの類似を構造化されたステップバイステップの推論チェーンに埋め込む。
私たちの知る限り、これは金融における類似例とCoT推論を明示的に組み合わせる最初のアプローチの1つです。
AD-FCoTはプロンプトを通じて純粋に動作し、追加のトレーニングデータや微調整を必要とせず、モデルの内部の財務知識を活用して人間の分析的推論を反映する合理性を生成する。
何千ものニュース記事の実験では、AD-FCoTは感情分類の精度において強いベースラインを上回り、市場リターンとかなり高い相関性が得られることが示されている。
生成された説明はドメインの専門知識とも一致し、現実世界の財務分析に適した解釈可能な洞察を提供する。
関連論文リスト
- Your AI, Not Your View: The Bias of LLMs in Investment Analysis [55.328782443604986]
大規模言語モデル(LLM)は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違により、しばしば知識の衝突に直面している。
本稿では, LLMに基づく投資分析において, 確認バイアスの定量的分析を行った。
われわれは、大口株に対する一貫した選好と、ほとんどのモデルにおけるコントラリアン戦略を観察する。
論文 参考訳（メタデータ） (2025-07-28T16:09:38Z) - Explaining the Unexplainable: A Systematic Review of Explainable AI in Finance [0.0]
本稿では、金融におけるXAI応用の変遷状況について概観する。
トピック・クラスタ、重要な研究、そして金融業界でよく使われる説明可能性戦略を見つける。
論文 参考訳（メタデータ） (2025-03-07T22:36:44Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳（メタデータ） (2024-03-19T09:45:33Z) - FinLlama: Financial Sentiment Classification for Algorithmic Trading Applications [2.2661367844871854]
大規模言語モデル(LLM)はこの文脈で使用することができるが、財務に特化せず、重要な計算資源を必要とする傾向がある。
我々はLlama 2 7Bの基礎モデルに基づく新しいアプローチを導入し,その生成特性と包括的言語操作の利点を享受する。
これは、Llama2 7Bモデルを教師付き財務感情分析データの一部に微調整することで達成される。
論文 参考訳（メタデータ） (2024-03-18T22:11:00Z) - Instruct-FinGPT: Financial Sentiment Analysis by Instruction Tuning of
General-Purpose Large Language Models [18.212210748797332]
本稿では,これらの問題に対処する簡易かつ効果的な命令チューニング手法を提案する。
実験では, 最先端の教師付き感情分析モデルより優れていた。
論文 参考訳（メタデータ） (2023-06-22T03:56:38Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - FinEAS: Financial Embedding Analysis of Sentiment [0.0]
FinEAS(Financial Embedding Analysis of Sentiment)と呼ばれる新しい言語表現モデルを導入する。
本研究では,標準的なBERTモデルからの教師付き微調整文の埋め込みに基づく財務感情分析の新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-10-31T15:41:56Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z)
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。