arXiv cs.CL· Alina Khaybullina·· 2 天前AI 评分22
LLM 财务预测中的动量、评论语气与盈利意外
Momentum, Commentary Tone, and Earnings Surprise in LLM Financial Forecasts
AI 导读
研究用合成财报测试 LLM 财务预测的输入依赖：对四个模型家族六个指令/对话 checkpoint（0.49-7.61B 基础参数）各输入 2,016 条提示，主要 EPS 对比跨度达 -0.19 至 86.80 个百分点。六个模型中有五个的带符号语气对比幅度超过 EPS，动量也在五个模型中超过 EPS，自然词数值诊断准确率为 51.0% 至 95.8%。
正文 · AI 翻译
摘要：哪些输入驱动了语言模型的财务预测？我们构建了合成财报公告，这些公告独立地反转了 20 日动量、非信息性评论语气，以及固定实际 EPS 是否超过被操纵的共识预期。来自四个系列（0.49-7.61B 基础参数）的六个指令/聊天检查点转换，在直接回答 Q8_0 协议下各接收 2,016 个提示。该设计包括 24 个数值块、六个评论对、盈利与亏损、上升与下降的年度 EPS，以及两种意外幅度。A/B 答案分配和 U/D 均覆盖每个转换的全部 384 个主要场景。我们估计的是条件答案前缀分数的匹配变化，而非校准后的市场概率。在这些检查点中，主要 EPS 对比范围为 -0.19 至 86.80 个百分点。在六个模型中的五个里，主要带符号语气对比的幅度超过 EPS，而动量在五个中超过它。自然词数值诊断准确率范围为 51.0% 至 95.8%。答案编码、措辞、上下文和转换控制对这些结果有所限定。该实验测量可观察的输入依赖性和数值识别；它既不建立内部推理机制，也不建立已实现的收益可预测性。公共基准提示、记录的分数以及一个交互式记录结果浏览器随本研究一同提供。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL）；一般金融（q-fin.GN） |
| 引用为： | arXiv:2610.22043 [cs.LG] |
| （或 arXiv:2610.22043v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22043 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Alina Khaybullina [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 15:14:20 UTC（1,533 KB）
来源：arXiv cs.CL · arxiv.org