Компьютерные науки > Машинное обучение [представлено 29 июля 2026 года] Название: Оценка финансового восприятия в эпоху AI View PDF Резюме: Финансовые меры широко используются при эмпирическом финансировании, однако остается неясным, улучшаются ли общие крупные языковые модели (LMS) существующие методы финансирования. В настоящем документе дается оценка двенадцати моделей настроения, включая методы на основе словаря, трансформаторы по конкретным финансовым вопросам и ММ с открытым исходным кодом, с использованием двух критериев: языковой и экономической действительности. Мы считаем, что МРМ общего назначения обеспечивают эффективность классификации, сопоставимую с моделями трансформаторов для конкретных финансовых систем без уточнения задач. Однако более высокая точность классификации не приводит к укреплению экономических отношений. Несколько моделей дают эмоциональные показатели, которые в значительной степени связаны с неожиданностью доходов, но ни одна из них не имеет существенной связи с ожидаемой на следующий день доходностью акций. Модель наиболее эффективна для объявлений с большими доходами, которые бьются или промахиваются и значительно слабее для заявлений с более умеренными сюрпризами. Эти выводы показывают, что финансовые настроения позволяют получать информацию об экономических показателях фирм, но имеют ограниченные возможности для объяснения краткосрочных рыночных реакций Reference & Citations Загрузка... Библиографические и цитационно-инструментальные…
Оценка финансовой чувствительности в эпоху ИИ
arXiv: 2609.20198v1 Annualce Type: New Humber Abstract: Financial simptions measures широко используется в эмпирическом финансировании, однако остается неясным, улучшатся ли модели использования крупных языков общего назначения (MLM) с точки зрения существующих методов финансирования. В настоящем документе дается оценка двенадцати моделей настроения, включая методы на основе словаря, трансформаторы по конкретным финансовым вопросам и ММ с открытым исходным кодом, с использованием двух критериев: языковой и экономической действительности. Мы считаем, что МРМ общего назначения обеспечивают эффективность классификации, сопоставимую с моделями трансформаторов для конкретных финансовых систем без уточнения задач. Однако более высокая точность классификации не приводит к укреплению экономических отношений. Несколько моделей дают эмоциональные показатели, которые в значительной степени связаны с неожиданностью доходов, но ни одна из них не имеет существенной связи с ожидаемой на следующий день доходностью акций. Модели являются самыми сильными для объявлений с большими доходами, бьющими или пропущенными и значительно более слабыми для заявлений с более умеренными