FinLLM-KG框架通过结合因果LLM与金融知识图谱提升交易情感分析

Giorgos Iacovides等人提出FinLLM-KG，一个结合因果LLM与金融知识图谱的模型无关框架。该框架无需更新模型权重，在推理时注入基于时间的公司级知识，计算成本极低。 在数据应用上，该框架利用SEC 10-K文件数据，以自然语言公司档案或相关性排序的事实三元组提供上下文。这一机制使情感预测能考虑更广泛的公司级信息，并将情感得分归因于单句及检索事实，从而增强了可解释性。 模拟结果显示，FinLLM-KG持续提升了投资组合表现，优于最先进的基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。