Concetti Chiave
本研究探讨了大型语言模型在从中文财经新闻中提取情感因子并应用于量化交易策略中的潜力。
Sintesi
本研究提出了一个全面的基准测试框架和标准化的回测实验流程,以客观评估不同类型大型语言模型在从中文财经文本中提取情感因子的有效性。
具体来说:
使用三种不同的大型语言模型(ChatGPT、Erlangshen-RoBERTa和中文FinBERT)对39.4万条中文公司新闻摘要进行情感分析,提取情感因子。
基于提取的情感因子构建量化交易策略,并在标准化的回测环境下进行评估,包括年度超额收益率、风险调整收益率、胜率等指标。
结果显示,基于Erlangshen-RoBERTa模型提取的情感因子在所有指标上都优于其他两种模型,表明针对中文语言特点进行预训练的模型在中文财经文本情感分析任务上更为有效。
这突出了在应用大型语言模型解决特定领域问题时,需要考虑语言特点和针对性优化的重要性,而不能仅依赖模型规模。
总之,本研究为评估大型语言模型在中文财经文本情感分析应用中的有效性提供了一个全面的基准,为进一步探索大型语言模型在量化投资领域的潜力奠定了基础。
Statistiche
公司持续推动传统滤光片业务产品结构升级,在竞争较为激烈的业态下彰显自身韧性。
展望未来,我们看好公司手机光学业务夯实基本盘,HUD 及AR 等前瞻布局有望打开第二成长曲线。