Core Concepts
대규모 언어 모델을 활용하여 시계열 수치 데이터로부터 시장 코멘트를 생성하는 효과적인 방법을 탐구한다.
Abstract
이 연구는 대규모 언어 모델(LLM)을 활용하여 시계열 수치 데이터로부터 시장 코멘트를 생성하는 효과적인 방법을 탐구한다.
연구진은 다양한 입력 표현 방식을 비교하였는데, 이는 테이블, 그래프, 시계열 수치 데이터 등 구조화된 데이터를 텍스트로 변환하는 방법을 포함한다.
실험 결과, 프로그래밍 언어와 유사한 형식의 프롬프트가 더 나은 성능을 보였으며, 자연어와 유사하거나 길이가 긴 형식의 프롬프트는 효과적이지 않은 것으로 나타났다.
이 연구 결과는 시계열 수치 데이터로부터 텍스트를 생성하는 작업에서 효과적인 프롬프트 설계 방법에 대한 통찰을 제공한다.
Stats
일본 닛케이 225 지수의 5분 단위 주가 데이터와 최근 7일간의 종가 데이터를 활용하였다.
이 데이터는 2010년 12월부터 2016년 9월까지 수집되었다.
Quotes
"프로그래밍 언어와 유사한 형식의 프롬프트가 더 나은 성능을 보였다."
"자연어와 유사하거나 길이가 긴 형식의 프롬프트는 효과적이지 않은 것으로 나타났다."