Kombination quantitativer Faktoren und LLMs zur Aktienprognose

Neues Research Paper: Untersuchung der Synergie von quantitativen Faktoren und Newsflow-Repräsentationen aus Large Language Models für die Vorhersage von Aktienrenditen.

RAM AI freut sich, sein neues Research Paper zu teilen, verfasst von Tian GUO, PhD, Senior Quant, und Emmanuel Hauptmann, CIO & Head of Systematic. Die Studie untersucht effektive Modelldesigns und Trainingsansätze zur Kombination quantitativer Faktoren mit Newsflow-Repräsentationen aus Large Language Models (LLMs) für die Vorhersage und Selektion von Aktienrenditen.

Aufbauend auf unserem EMNLP 2024 Paper „Fine-Tuning Large Language Models for Stock Return Prediction Using Newsflow“ liefert diese neue Arbeit empirische und theoretische Einblicke in multimodales Fusion Learning und Mixture-Modelling mit unterschiedlichen Trainingsstrategien.

Da die Nutzung multimodaler Daten in zahlreichen Anwendungen weiter zunimmt, hoffen wir, mit diesen Studien zur Entwicklung effektiverer multimodaler Modelle für quantitative und systematische Investmentansätze beizutragen.

Lesen Sie das Paper auf arXiv: https://lnkd.in/exKyzueE

‍