一项新的研究论文挑战了像TimesFM这样的大型语言模型在股票预测中的有效性,尤其是在使用LoRA适配器时。该研究引入了一个基准率诚实的基准,以揭示看似高的方向性准确性是如何具有误导性的,在上涨市场中通常是通过简单的“总是向上”规则实现的。研究结果表明,池化的LoRA适配器在这些朴素基线之上没有显示出方向性技能,甚至可能比零样本TimesFM表现更差,而微调仅在点预测误差方面提供边际改进。 AI
影响 挑战了当前LLM在金融预测中的功效,表明需要超越简单准确性指标的更稳健的评估方法。
排序理由 该集群包含一篇研究论文,详细介绍了新的基准以及与AI模型在金融预测中的性能相关的发现。
- alphaXiv
- Benjamini–Hochberg procedure
- CatalyzeX
- DagsHub
- Diebold-Mariano
- Gotit.pub
- Hugging Face
- LoRA
- McNemar
- Nasdaq-100
- ScienceCast
- S&P 500
- TimesFM
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →