基于大模型的可解释股价预测

在股市中寻找获利机会是许多投资者的梦想，然而股市门槛较高，缺乏专业分析能力往往导致事与愿违。随着大模型技术的迅猛发展，人们自然开始思考：能否借助这些“最强大脑”来分析股票走势，并提供清晰易懂的判断依据？

东京大学的最新研究给出了肯定答案。他们提出的“LLMFactor”框架，采用一种名为“序列知识引导提示”的技术，能够从海量新闻中精准识别影响股价的关键因素，并据此预测股价走势，整个分析过程透明可追溯。

摘要

LLMFactor的核心在于其序列知识引导提示策略。该策略引导大模型构建新闻背景知识，并从中甄别可能驱动股价变动的具体因子。随后，框架综合利用背景知识、识别出的因子以及转化为文本格式的历史价格数据，对未来股票走势进行预测。在四个主流基准数据集上的广泛测试表明，该方法不仅在预测精度上表现优异，也显著提升了金融时间序列预测的可解释性。

简介

尽管有效市场假说认为股价已充分反映所有已知信息，但大量研究证实市场存在非完全有效的空间，这促使研究者持续探索利用多元数据进行预测的可能性。本文创新性地提出了“因素提取”任务，旨在通过挖掘并利用隐藏于信息中的“因子”来增强股票涨跌预测。为此，作者设计了LLMFactor框架，首先通过SKGP策略从大模型中提取关键因素，进而解释并预测股价变化趋势。实验结果显示，LLMFactor在预测性能和结果可解释性方面均具备优势。本文的主要贡献在于提出了新任务、新提示策略以及一个有效且完整的框架。

相关工作

基于文本数据的股票走势预测

利用自然语言处理技术分析文本数据以预测股市，已是一个成熟的研究方向。早期研究尝试结合社交媒体推文和历史价格进行预测，也有工作深入探索文本数据与股票关联间的多模态关系。更细致的研究则专注于从文本中识别具体公司事件对股价的影响，或验证媒体情绪与市场回报之间的显著关联。这些努力为我们理解复杂市场动态提供了更加清晰的视角。

基于LLM的时间序列预测

大模型虽然拥有海量知识，但其架构并非为分析时间序列数据而设计。为此，学者们提出了多种改进方案。一种主流思路是“提示工程”，即将数值型时序数据转换成文本提示，让大模型直接处理预测任务。另一种方法是让大模型生成摘要或关键词，以增强时序预测的背景信息。然而，这些提示有时可能包含冗余信息，导致模型响应不够精细。

提示词工程

如何设计有效的提示，以充分激发大模型完成特定任务的潜力，始终是一个挑战。为此，业界发展出了包括思维链提示、生成知识提示以及检索增强生成在内的多种策略。本文提出的序列知识引导提示方法，正是为了提升金融预测的准确性而量身定制的新方案。

LLMFactor

任务定义

对于目标股票，结合其在预测日发布的相关新闻，预测其历史价格序列所指示的未来走势。该任务被定义为一个二元分类问题：给定目标日期、相关新闻以及前一日股价，判断当日股价是上涨还是下跌。

序列知识引导提示

新闻背景知识的匹配与获取

序列知识引导提示策略是该方法的基础，包含三个主要阶段。第一阶段是匹配股票与新闻，并获取背景知识。

具体而言，首先建立一个股票列表，包含公司名称、股票代码和所属行业。将目标新闻与列表中股票进行匹配后，提示大模型去理解该新闻与匹配股票之间的具体关联。这一步获取的背景知识，极大深化了对新闻内容的理解。

产生可能影响股价的因素

SKGP的第二步是从新闻中生成影响因子。这些因子的价值主要体现在三点：

• 它们与股价走势的关联度，比单纯的关键词、情绪、新闻摘要甚至全文都更为紧密，因此能提供更具盈利潜力的市场趋势信号。
• 相比从其他渠道获取的因子，从新闻文本中直接提取的因子，能更直接、更细致地解释股价波动的原因。
• 它们增强了股价预测的可解释性，为大模型的判断提供了可追溯的理论依据。

为了生成可靠的因子，研究引导大模型深入分析新闻内容，识别出可能左右股价的要素。这个过程充分利用了大模型自身的知识储备。提示模板被设计为一个结构化句子：“请从以下新闻中提取可能影响[股票目标]股价的前k个因素”，接着附上新闻正文。大模型的输出并不局限于新闻原文的词汇，而是会综合考虑内容及其对股价的潜在影响，通常能总结出内容的核心要素。

预测股价走势

在预测环节，系统会整合新闻背景知识和提取出的因子来指导大模型。同时，历史时间序列数据也被转换成文本格式以供模型理解。具体做法是将过去的股价变动及其对应日期，转换成“日期i，[股票目标]的股价f(P i)”这样的时序模板。

随后，构建一个价格预测模板，其开头是指令：“基于以下信息，请判断股票价格的方向是上涨还是下跌，填空并给出理由”，结尾是填空句：“在日期i，[股票目标]的股票价格将___。”最终，通过整合关联知识、因子、时序模板和价格预测模板，形成完整的提示输入给大模型，得到包含“上涨”或“下跌”判断及其理由的预测结果。

股票市场的因素分析

SKGP不仅提供了强大的预测技术，其衍生出的因子还能为理解市场趋势提供额外洞见。例如，以英伟达的股价走势为例，在连续上涨五天后，某个特定交易日依然收涨。为了解释这一现象，LLMFactor识别出了一组简洁的关键因素，如“英伟达1月份的股票上涨、新产品发布，以及电动汽车制造商选择英伟达Drive Thor平台”。

实验

数据集

研究在四个基准数据集上进行了验证：StockNet、CMINUS、CMIN-CN和EDT。其中，前三个数据集侧重于时间序列预测，而EDT数据集更关注新闻内容本身。这些数据集均包含了与股票相关的推文和历史价格数据。

评估指标与基线模型

实验采用准确率（ACC）和马修斯相关系数（MCC）作为评估指标。

研究对比了多类基线模型：用于提取关键短语的模型（如PromptRank、KeyBERT等）；用于分析文本情绪并预测走势的模型（如EDT、FinGPT、GPT系列、RoBERTa、FinBERT）；以及能同时利用文本和时序数据的模型（如CMIN、StockNet）。

结果

LLMFactor能够从文本中识别出影响股价的重要因素，并结合关联信息和时序数据进行综合研判。在四个数据集上的实验结果表明，其性能全面优于其他方法，包括单纯基于时序、情绪或关键词的模型。

与当时的先进技术相比，LLMFactor在四个数据集上的MCC指标分别提升了2.9%、0.4%、11%和4.8%。关键词模型的表现差异不大，情绪模型的表现则因模型而异。时序模型和情绪模型表现相当，但LLMFactor在SKGP技术的加持下，能更好地过滤无关噪声，提供更全面的分析。

对不同数据集的平均分数分析显示，LLMFactor在面向美国市场的StockNet和CMIN-US数据集上，平均准确率超过63%，平均MCC超过0.2。但在针对中国市场的CMIN-CN数据集上，表现略有下降。EDT数据集由于缺少历史价格信息，在一定程度上限制了LLMFactor的效果，这反过来凸显了全面数据对于金融市场分析的重要性。

数据分析

消融分析

通过对LLMFactor各组成部分的消融分析发现，价格信息层对总体ACC和MCC的贡献分别约为86%和32%；因子层则分别带来了9%和46%的提升；关系层分别贡献了5%和22%。可以看出，因子层对模型整体性能的提升作用最为显著。此外，研究也针对不同类型的因子提取模板进行了对比实验。

案例分析

通过对美国和中国市场具体股票的因子分析，LLMFactor能够有效整合公司关联背景、历史新闻和价格数据，从而提升对股票市场动态的可解释性。案例展示证明了该框架在实际市场分析中的有效性和实用性。

总结

LLMFactor是一个创新框架，它通过序列知识引导提示策略，巧妙地融合背景知识、股票相关因子和时序数据来预测股市趋势。经过严格测试，该框架证明了其在股票预测领域的优越性。其核心的因子分析能力，不仅突出了方法的新颖性，也使其成为金融分析中一个强大且可解释的工具。这项研究标志着在利用大模型进行透明、可解释的金融预测方面，迈出了坚实的一步。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于大模型的可解释股价预测要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题