LLMFactor：提示盈利因素因子预测股票走势

近年来，大模型（LLM）在处理文本数据，尤其是对文本数据的分析和理解方面取得了巨大成功，但金融市场的预测依赖于对时间序列数据的复杂分析，这要求模型不仅要理解历史数据，还要能够从中提取对未来有预测价值的信息。

现有方法，如基于关键词或情感分析的预测模型，虽然能够提供一定程度的市场洞察，但往往缺乏对股票价格变动的清晰解释和人类可读性。此外，有效市场假说（Efficient Market Hypothesis，EMH）虽然提出股票价格反映了所有可用信息，从而使得预测未来价格变动变得困难。但后续研究揭示了市场效率的局限性，如信息不对称和非理性行为等现象，这为通过识别市场低效性来寻求超额回报提供了机会。

金融市场分析

本文提出了LLMFactor框架，旨在通过序列知识引导提示（Sequential Knowledge-Guided Prompting，SKGP）策略，从LLMs中提取与股票市场动态直接相关的因素，并提供清晰的解释，以增强预测的可信度和实用性。

本文的任务目标是对于目标股票，在给定目标预测日期，相关新闻和的情况下，预测特定股票在未来某一时间点的价格走势。

匹配和获取新闻背景知识

匹配和获取新闻背景知识（Matching and Acquiring News Background Knowledge）的过程是SKGP的首要阶段。
这一阶段的核心在于将目标股票与目标预测日期的相关新闻进行匹配，并从中获取有助于理解新闻内容和预测股票价格走势的背景知识。

生成可能影响股票价格的因素

生成可能影响股票价格的因素（Generating Factors that May Affect Stock Prices）是SKGP的第二阶段。

在这一阶段，研究者指导LLMs分析目标新闻内容，识别出可能对股票价格产生影响的关键因素。这些因素与股票走势的关联度比关键词、情感、新闻摘要或整篇新闻文章更为紧密，因此提供了更高可能性的市场趋势预测。

预测股票价格走势

预测股票价格走势是LLMFactor框架的核心环节，它融合了新闻背景知识和可能影响股票价格的因素，以指导LLMs进行预测。

实验设置

实验使用了四个基准数据集，包括：

StockNet：包含87个美国股市股票，相关的推文和2014-01-01至2016-01-01期间的历史价格数据。
CMIN-US：包含110个美国股市股票，相关的推文和2018-01-01至2021-12-31期间的历史价格数据。
CMIN-CN：包含300个中国股市CSI300指数股票，相关的推文和同一时间段的历史价格数据。
EDT：包含54,080篇新闻文章，以及2020-03-01至2021-05-06期间的相关股票和价格信息。
本文使用了准确率（Accuracy, ACC）和马修斯相关系数（Matthews Correlation Coefficient, MCC）作为评估模型效果的指标。

实验结果

LLMFactor 在所有评估方法中表现最佳，其性能优于基于关键词、情感分析和多模态数据输入的现有最先进方法（SOTA）。

结论和展望

股市就像是一个巨大的海洋，里面充满了各种各样的信息。有的像是水面上的波纹，一眼就能看出来，比如公司的新闻报道或者社交媒体上的热门话题。但是，真正影响船只方向的，可能是那些藏在水下的暗流，也就是那些不容易被发现，但影响力巨大的因素。

LLMFactor就像是一个熟练的潜水员，依托于LLM的强大基础能力，它能够深入到这些信息的海洋里，找到那些关键的暗流。通过SKGP方法，先了解一些背景知识，比如公司之间的关系，然后再从新闻报道中提取出可能影响股票价格的因素，从而更加准确地预测股票价格将会上涨还是下跌。

当然，正如文中提到，LLMFactor对不同语言之间存在一定的性能差异，而它在预测时，也会出现一些不确定性，这就需要未来对其鲁棒性改进的研究。此外，如果能更充分地应用上LLM的知识储备，尤其是金融数据集，或许还能进一步提高LLMFactor对事件的理解和分析能力。