使用LLMs和FinBERT对新闻和报告进行金融情绪分析

文章预览

Content 本文旨在探讨如何利用大型语言模型（LLMs）和金融领域特定的变体FinBERT进行金融情绪分析（FSA）。研究聚焦于新闻文章、财务报告和公司公告中的情绪分析，强调了零样本（zero-shot）和少样本（few-shot）策略下提示工程（prompt engineering）在提升情绪分类准确性方面的优势。实验结果表明，经过金融文本少样本示例微调的GPT-4o在这一专业领域的表现可以与经过良好微调的FinBERT相媲美。 1. 引言 情绪分析在多个领域内用于从文本数据中提取观点和情感，对金融领域尤为重要。它能够提供市场动态、投资者情绪以及新闻事件对金融市场潜在影响的洞察，从而辅助做出明智的决策。然而，FSA面临需要领域特定知识、处理歧义和管理不确定性等挑战。最近，自然语言处理（NLP）领域的进步，特别是LLMs的发展，为克服这些挑战提供了可能。 2. 相关工作 ………………………………