使用大模型Agent进行资产定价，夏普比率提高9.6%，异常投资组合的平均|α|提高10.8%

文章预览

“ AAPM: Large Language Model Agent-based Asset Pricing Models ” 论文地址 ： https://arxiv.org/pdf/2409.17266v1 Github地址：https://github.com/chengjunyan1/AAPM 摘要 本文提出了基于LLM代理的资产定价模型（AAPM），结合定性投资分析与定量金融经济因素，预测超额资产收益。实验结果显示，该方法在投资组合优化和资产定价误差上优于机器学习基线，夏普比率和异常投资组合的平均|α|分别提高9.6%和10.8%。 简介 金融资产定价对资本配置的帕累托效率有重要影响，传统方法依赖宏观经济和公司特定因素预测超额收益，但面临有效市场假说的挑战。语言数据在传统投资中至关重要，因其反映社会和市场信息流动，且主观投资管理仍然重要。定性分析能揭示经济指标和市场数据中缺失的定价洞察，但现有的NLP和语义分析方法未能完全捕捉这些洞察。融合语言信息与定量模型的复杂性 ………………………………