Terima kasih! Anda telah berhasil ditambahkan ke daftar langganan email Marginal Revolution.<\/p>\n
LLM pada dasarnya menang:<\/p>\n
Makalah ini menyajikan studi baru tentang pemanfaatan pengetahuan dan kemampuan penalaran Model Bahasa Besar (LLM) yang luar biasa untuk peramalan deret waktu keuangan yang dapat dijelaskan. Penerapan model pembelajaran mesin pada deret waktu keuangan mempunyai beberapa tantangan, termasuk kesulitan dalam penalaran dan inferensi lintas urutan, rintangan dalam menggabungkan sinyal multi-modal dari berita sejarah, grafik pengetahuan keuangan, dll., dan masalah interpretasi dan menjelaskan hasil model. Dalam makalah ini, kami fokus pada saham NASDAQ-100, memanfaatkan data historis harga saham yang dapat diakses publik, metadata perusahaan, dan berita ekonomi\/keuangan historis. Kami melakukan eksperimen untuk menggambarkan potensi LLM dalam menawarkan solusi terpadu terhadap tantangan yang disebutkan di atas. Eksperimen kami mencakup mencoba inferensi zero-shot\/fewshot dengan GPT-4 dan penyesuaian berbasis instruksi dengan model LLM publik Open LLaMA. Kami menunjukkan bahwa pendekatan kami memiliki kinerja yang lebih baik dari beberapa pendekatan dasar, termasuk model klasik ARMA-GARCH yang diterapkan secara luas dan model pohon peningkat gradien. Melalui hasil perbandingan kinerja dan beberapa contoh, kami menemukan LLM dapat membuat keputusan yang dipikirkan dengan matang dengan mempertimbangkan informasi dari berita tekstual dan rangkaian waktu harga serta mengekstraksi wawasan, memanfaatkan informasi lintas urutan, dan memanfaatkan pengetahuan bawaan yang tertanam dalam informasi tersebut. LLM. Selain itu, kami menunjukkan bahwa LLM yang tersedia untuk umum seperti Open-LLaMA, setelah penyesuaian, dapat memahami instruksi untuk menghasilkan perkiraan yang dapat dijelaskan dan mencapai kinerja yang wajar, meskipun relatif lebih rendah dibandingkan dengan GPT-4.<\/p>\n
Tentu saja, pekerjaan semacam ini masih dalam tahap awal. Meskipun demikian, ini adalah hasil yang menarik, inilah makalahnya. Melalui pembaca MR.<\/p>\n<\/p><\/div>\n<\/p><\/div>\n
<% if (model.anak-anak && model.anak-anak.panjang) { %> <% if ( model.kedalaman >= startingDepth && model.kedalaman <= maxDepth ) { %> <% _.each(model.children, function( anak) { %> <%= templateFn({ model: anak, templateFn: templateFn, startingDepth: startingDepth, maxDepth: maxDepth }) %> <% }); %> <% } %> <% } %> <% if (model. depth == maxDepth + 1 && model.children) { %> Lanjutkan thread ini \u2192 <% } %><\/p><\/div>\n<\/div>\n