TradExpert：基于大模型的股票交易新模式，年回报率高达49.79%

主要观点总结

本文介绍了TradeExpert框架，该框架结合Mixture of Expert (MoE)方法和多个专注于不同金融数据的LLM（大型语言模型），用于金融分析与股票交易。通过整合新闻、市场数据、阿尔法因子和基本面数据等多种数据源，TradExpert提高了股票交易策略的准确性和预测能力。实验结果显示，TradExpert在股票走势预测和量化交易方面表现优越，年回报率高达49.79%，同时保持较低的风险。

关键观点总结

关键观点1: TradeExpert框架的结合多个LLM进行金融数据分析

TradeExpert结合Mixture of Expert (MoE)方法，利用多个专注于不同金融数据的LLM，包括新闻分析、市场分析、Alpha分析和基本面分析等，以综合判断股票走势和交易策略。

关键观点2: TradExpert的实验结果

在股票走势预测和量化交易方面，TradExpert表现出优越的性能。在DOW 30股票池中的回测结果显示，年回报率高达49.79%，年波动率为9.95%，夏普比率为5.01，显示出高回报与低风险的结合。

关键观点3: TradExpert的数据集和处理流程

TradExpert使用涵盖新闻、市场数据、阿尔法因子和基本面数据等的综合数据集。通过预处理、构建提示、指令和真实响应等步骤，数据被转化为LLM可理解的格式，以供分析和预测。

文章预览

“ TradExpert: Revolutionizing Trading with Mixture of Expert LLMs ” 人工智能与金融分析的融合，推动了金融领域的创新。传统金融模型主要依赖统计分析和时间序列预测，难以处理非结构化数据。LLMs能够解读复杂的金融数据，能更好地理解和预测市场动态。 本文提出TradExpert框架，结合MoE方法，利用多个专注于不同金融数据的LLM（如新闻、市场数据、因子和基本面数据）。每个专家独立分析数据，最终由通用专家整合分析结果，模拟现实中的分工。 TradExpert在DOW 30股票池中实施了基于Top-K股票的买入持有策略。TradExpert在所有指标上表现优越，年回报率（AR）为49.79%，年波动率（AV）为9.95%，夏普比率为5.01，显示出高回报与低风险的结合。 论文地址 ：https://arxiv.org/pdf/2411.00782 摘要 TradeExpert是一个新框架，利用混合专家（MoE）方法，结合四个专门的LLM，分析不同 ………………………………