論文の概要: Financial Language Models as Applied Artificial Intelligence Systems for News-Based Trading under Market Frictions
- arxiv url: http://arxiv.org/abs/2609.23703v1
- Date: Sun, 20 Sep 2026 15:24:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.943923
- Title: Financial Language Models as Applied Artificial Intelligence Systems for News-Based Trading under Market Frictions
- Title（参考訳）: 市場摩擦下におけるニュースベーストレーディングのための応用人工知能システムとしての金融言語モデル
- Abstract要約: 我々は、タイムスタンプ付き財務文書を監査可能、再現可能、市場実現可能な取引決定に変換するフレームワークであるMFASTを紹介する。
このアプリケーションはニュースベースのトレーディングで、ポートフォリオ決定を評価する前に、企業固有のテキストを証券にリンクする必要がある。
その結果、デコーダのみの言語モデルは、分類、校正、返却予測、ネットポートフォリオのパフォーマンスにおいて、エンコーダベースラインと辞書の感情を上回ります。
- 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 language models can transform unstructured firm-specific news into structured decision signals, but financial AI research lacks an integrated deployment framework for evaluating whether those signals remain useful in financial decision systems. Computer science research has developed strong methods for time-series forecasting, text classification, multimodal stock prediction, graph-based market modeling, and machine-learning operations, yet these streams do not provide a domain-specific protocol that jointly tests financial language-model outputs under event-time observability, probability calibration, execution timing, transaction costs, liquidity constraints, capacity limits, operational diagnostics, and statistical inference. We introduce MFAST, a Market-Friction-Aware Sentiment-to-Trading framework that converts timestamped financial text into auditable, reproducible, and market-feasible trading decisions. The application is news-based trading, where firm-specific text must be linked to securities before portfolio decisions can be evaluated. The framework links Refinitiv News Analytics to Center for Research in Security Prices (CRSP) equity data, restricts the primary out-of-sample evaluation to post-release news outside disclosed foundation-model data-freshness periods, and adds a public replication arm using open financial text and public price data. Results show that decoder-only language models outperform encoder baselines and dictionary sentiment in classification, calibration, return prediction, and net portfolio performance, while operational diagnostics reveal trade-offs among accuracy, latency, memory, throughput, and inference cost. The paper shows that credible evaluation of financial language models requires an end-to-end engineering approach combining language understanding, temporal discipline, market-friction-aware deployment, and reproducible validation.
- Abstract（参考訳）: 金融言語モデルは、構造化されていない企業固有のニュースを構造化決定信号に変換することができるが、金融AI研究には、これらのシグナルが金融決定システムで有用であるかどうかを評価するための統合配置フレームワークが欠如している。
コンピュータサイエンス研究は、時系列予測、テキスト分類、マルチモーダルストック予測、グラフベースの市場モデリング、機械学習操作のための強力な手法を開発したが、これらのストリームは、イベント時可観測性、確率キャリブレーション、実行タイミング、トランザクションコスト、流動性制約、キャパシティ制限、運用診断、統計的推論の下で、金融言語モデル出力を共同でテストするドメイン固有のプロトコルを提供していない。
我々は、タイムスタンプ付き財務文書を監査可能、再現可能、市場実現可能なトレーディング決定に変換するMFASTについて紹介する。
このアプリケーションはニュースベースのトレーディングで、ポートフォリオ決定を評価する前に、企業固有のテキストを証券にリンクする必要がある。
このフレームワークはRefinitiv News AnalyticsをCRSP(Center for Research in Security Prices)のエクイティデータにリンクし、公開基礎モデルデータ更新期間の外での公開後のニュースにサンプル評価を制限し、オープンファイナンステキストと公開価格データを使用したパブリックレプリケーションアームを追加する。
その結果、デコーダのみの言語モデルは、分類、校正、返却予測、ネットポートフォリオのパフォーマンスにおいて、エンコーダベースラインや辞書の感情よりも優れており、一方、運用診断では、正確性、レイテンシ、メモリ、スループット、推論コストのトレードオフが明らかになっている。
本論文は,金融言語モデルの信頼性評価には,言語理解,時間的規律,市場フリクション対応デプロイメント,再現性検証を組み合わせたエンドツーエンドの工学的アプローチが必要であることを示す。
関連論文リスト
- Making Alternative Data Work: Context-Augmented LLMs for Financial Forecasting [66.81020766645811]
大規模言語モデル(LLM)は、命令を解釈し、コンテキスト内の例から学習し、予測を生成する。
本稿では、まず、各代替データチャネルが情報化されそうな企業を識別する2エージェントフレームワークを提案する。
このフレームワークを4つの商用代替データチャネルで評価する。
論文 参考訳（メタデータ） (2026-09-10T14:27:25Z) - FinSight: Towards Real-World Financial Deep Research [68.31086471310773]
FinSightは、高品質でマルチモーダルな財務報告を作成するための新しいフレームワークである。
プロフェッショナルグレードの可視化を確保するため,反復視覚強調機構を提案する。
2段階のBinging Frameworkは、簡潔な分析セグメントをコヒーレント、引用認識、マルチモーダルレポートに拡張する。
論文 参考訳（メタデータ） (2025-10-19T14:05:35Z) - Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。
FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。
これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
論文 参考訳（メタデータ） (2025-05-26T02:41:50Z) - Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。
ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。
我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。
我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
論文 参考訳（メタデータ） (2025-04-07T03:57:41Z) - FANAL -- Financial Activity News Alerting Language Modeling Framework [0.0]
FANAL(Financial Activity News Alerting Language Modeling Framework)は、リアルタイムの金融イベントの検出と分析のために開発されたBERTベースのフレームワークである。
GPT-4o, Llama-3.1 8B, Phi-3を含む主要言語モデルに対してFANALの性能を評価する。
論文 参考訳（メタデータ） (2024-12-04T18:15:41Z) - 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) - Measuring Consistency in Text-based Financial Forecasting Models [10.339586273664725]
FinTrustは財務文書の論理的一貫性を評価する評価ツールである。
金融予測のための最先端NLPモデルの整合性は乏しいことを示す。
意味保存による性能劣化の分析は,現在のテキストベースの手法が市場情報の堅牢な予測に適していないことを示唆している。
論文 参考訳（メタデータ） (2023-05-15T10:32:26Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。
GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - 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)
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。