东京大学突破性研究：用AI预测股市趋势，准确率大幅提升

东京大学突破性研究：用AI预测股市趋势，准确率大幅提升

引用

CSDN

等

7

来源

1.

https://blog.csdn.net/xixiaoyaoww/article/details/140162348

2.

https://new.qq.com/rain/a/20240703A05LKO00

3.

https://blog.csdn.net/qq_28385535/article/details/140283526

4.

https://blog.csdn.net/xxue345678/article/details/141672005

5.

https://new.qq.com/rain/a/20241120A00QWI00

6.

https://53ai.com/news/LargeLanguageModel/2024072336279.html

7.

https://www.aigcopen.com/content/corporate_news/31637.html

在股市预测领域，东京大学最新发布的LLMFactor研究引发广泛关注。该研究通过创新的序列知识引导提示（SKGP）技术，实现了对股票走势的精准预测，为投资者提供了一个强大的决策支持工具。

金融市场预测一直是一个复杂而具有挑战性的课题。传统的预测方法，如基于关键词或情感分析的模型，虽然能够提供一定程度的市场洞察，但往往缺乏对股票价格变动的清晰解释。东京大学的研究团队针对这一痛点，提出了LLMFactor框架，旨在通过SKGP策略从大规模语言模型（LLMs）中提取与股票市场动态直接相关的因素。

LLMFactor框架的核心在于其独特的SKGP技术，该技术将预测过程分为三个关键阶段：

1. 新闻背景知识匹配：系统首先收集与目标股票相关的新闻，并通过LLMs分析这些新闻与目标股票之间的关系。这种关系可以是竞争、合作或其他可能影响股价的关联。

2. 关键因素提取：基于新闻内容，LLMs被指导识别出可能影响股价的关键因素。这些因素不仅限于新闻中的词汇，而是通过综合分析新闻内容及其对股票走势的潜在影响来生成。

3. 股价预测：将提取的因素与历史股价数据相结合，通过构建时间序列模板和价格预测模板，LLMs能够预测未来股价走势，并提供详细的预测理由。

研究团队在四个基准数据集上对LLMFactor进行了广泛测试，包括StockNet、CMINUS、CMIN-CN和EDT。实验结果表明，LLMFactor在所有数据集上都取得了显著的性能提升，其中马修斯相关系数（MCC）相比其他方法提高了2.9%-11%。

更值得一提的是，LLMFactor不仅提高了预测准确性，还提供了清晰的预测解释。例如，在分析英伟达股价走势时，系统能够准确识别出“1月份股票上涨”、“新产品发布”和“电动汽车制造商选择英伟达Drive Thor”等关键因素，这些因素都对股价上涨产生了直接影响。

业内专家普遍认为，LLMFactor研究具有重要的行业意义。它不仅解决了传统因子挖掘方法效率低、可解释性差的问题，还通过Few-Shot学习显著提升了因子生成效率。此外，该框架支持人机交互，使研究员能够直接将交易想法输入系统，大幅减少建模时间。

随着金融市场数据的不断积累和LLMs能力的持续提升，LLMFactor框架有望在实际投资决策中发挥越来越重要的作用。它不仅能够帮助投资者更准确地预测股市走势，还能够为金融分析师提供更深入的市场洞察，从而在复杂多变的金融市场中获得竞争优势。

这项研究的发布，标志着AI在金融领域的应用迈出了重要一步。通过将先进的自然语言处理技术与金融市场预测相结合，LLMFactor框架为投资者提供了一个强大而可靠的决策支持工具，有望在未来的金融市场中发挥重要作用。