Alternative data

大语言模型通过整合另类数据增强金融预测能力

研究人员开发了一个新颖的框架，利用大语言模型（LLMs）整合另类数据进行金融预测。该方法解决了另类数据常见的历史覆盖有限和来源异构性问题。提出的双代理系统首先确定特定另类数据渠道对单个公司的相关性，然后利用这些信息以及其他财务数据，通过上下文学习进行收入预测。实验表明，与传统方法以及单独使用任一数据源相比，这种上下文增强型大语言模型方法提高了预测准确性。