金融予測：LLMを活用したモダル適応型知識強化グラフベースの金融予測

核心概念

外部金融知識と異なるモダリティの貢献度、異なる金融資産間の関係を考慮した新しい金融予測手法MANAGERが優れた性能を示す。

摘要

• 金融予測は価格変動と波動性を分析する新たな課題であり、MANAGERモデルはこれに取り組む。
• MANAGERはFinDKGから外部関連知識を取得し、BEiT-3とHuBERTを使用してビデオおよびオーディオ特徴を抽出する。
• MANAGERはテキスト、外部知識、ビデオ、オーディオを集約し、クロスモーダルコンテキスト理解に活用する。
• MANAGERはMonopolyデータセットで他の最先端手法よりも優れた結果を示す。

Introduction

• 価格変動の正確な予測は投資家や政策立案者に重要。
• テキスト、ビデオ、音声などの情報から価格変動と波動性を予測する新しい課題。

Methodology

• 外部金融知識取得、ビデオ・音声特徴抽出、知識強化モダル適応型コンテキスト理解、金融予測用タスク固有指示チューニングの4つのコンポーネントから成るMANAGERモデル。

Results

• MANAGERは全てのメトリックで他手法を上回り優れた性能を示す。

統計資料

全体的なF1スコアやMSE値が記載されていますが、数値が含まれていません。

引述

"Please predict the price movement of O in τ days after the date according to the input."
"We propose a novel modal-adaptive knowledge-enhanced graph-based financial prediction scheme."

從以下內容提煉的關鍵洞見

Modal-adaptive Knowledge-enhanced Graph-based Financial Prediction from Monetary Policy Conference Calls with LLM

by Kun Ouyang,Y... 於 arxiv.org 03-26-2024

https://arxiv.org/pdf/2403.16055.pdf

深入探究

他の最先端手法と比べてMANAGERがどうして優れているか？

MANAGERは複数のモダリティ（テキスト、ビデオ、音声）から情報を適応的に利用し、外部金融知識を組み込むことで独自の強みを持っています。具体的には、FinDKGから得られた外部関連知識を活用し、異なるモダリティ間で意味関係を構築するグラフニューラルネットワーク（GCN）を導入しています。これにより、文脈理解や予測精度が向上しました。さらに、ChatGLM2を使用したタスク固有の指示調整も行い、価格変動および波動性予測の両方で高いパフォーマンスを発揮しています。