基于LLM和金融新闻驱动的强化学习投资组合管理

文章预览

“ Financial News-Driven LLM Reinforcement Learning for Portfolio Management ” 论文地址 ：https://arxiv.org/pdf/2411.11059 摘要 强化学习（RL）在金融交易中实现动态策略优化。本研究将大语言模型（LLM）衍生的情感分析整合进RL框架，以提升交易表现。实验对象包括苹果公司（AAPL）单股交易和ING Corporate Leaders Trust Series B（LEXCX）组合交易。情感增强的RL模型在净资产和累计利润上优于不含情感的RL模型。在组合交易实验中，情感增强模型超越了LEXCX的买入持有策略。结果表明，结合定性市场信号可改善决策，弥合定量与定性交易方法的差距。 简介 强化学习（RL）在金融交易中逐渐受到重视，能够根据序列决策优化交易策略，但缺乏对市场情绪等定性因素的考虑。整合情感分析与RL可弥补这一缺陷，利用大型语言模型（LLMs）提取金融新闻中的情感信息，转化为RL模型可用的 ………………………………