English(EN) Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation

AI框架使用因果生成对抗网络、强化学习和LLM评估来预测债券收益率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-27 04:00

研究人员开发了一个新颖的债券收益率预测框架，通过使用因果生成对抗网络（CausalGANs）和强化学习来创建合成金融数据。这种包含宏观经济变量的合成数据被用来训练一个微调的大语言模型Qwen2.5-7B，以生成交易信号和风险评估。评估结果表明，其预测性能优于现有方法，其中强化学习方法实现了0.103%的低平均绝对误差。该研究将合成数据生成、大语言模型驱动的金融预测以及基于大语言模型的评估结合起来，以实现人工智能驱动的金融决策。 AI

影响通过合成数据生成和LLM评估，增强了人工智能驱动的金融预测和风险管理。

排序理由这是一篇研究论文，详细介绍了一种使用人工智能技术进行金融预测的新颖框架。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jaskaran Singh Walia, Aarush Sinha, Naman Saraswat, Srinitish Srinivasan, Srihari Unnikrishnan · 2026-04-27 04:00

Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation

arXiv:2502.17011v2 Announce Type: replace-cross Abstract: Financial bond yield forecasting is challenging due to data scarcity, nonlinear macroeconomic dependencies, and evolving market conditions. In this paper, we propose a novel framework that leverages Causal Generative Adver…

报道来源 [1]

Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation

相关实体

相关话题