FinBERT

研究人员聚合零样本LLM输出以提高股票回报预测

研究人员开发了一种轻量级的监督聚合器，用于组合多个零样本大型语言模型（LLM）的输出来对公司披露进行分类。该方法旨在通过利用无需特定任务微调即可分析财务披露的LLM的多元化视角来提高预测准确性。与单独的LLM分类器和基线模型相比，该聚合器表现出更优越的性能，特别是在不同模型产生冲突预测的混合信号披露方面。研究表明，虽然零样本LLM能够捕捉有价值的财务信号，但监督聚合方法是最大化这些收益的关键。