Computational Finance,Artificial Intelligence,Computation and Language,Machine Learning,Statistical Finance,امور مالی محاسباتی , هوش مصنوعی , محاسبات و زبان , یادگیری ماشین , امور مالی آماری ,
توضیحات
Submitted 13 August, 2024; originally announced August 2024. , Comments: Accepted by 2024 6th International Conference on Data-driven Optimization of Complex Systems
توضیحات به فارسی
ارسال شده در 13 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: پذیرفته شده توسط سال 2024 ششمین کنفرانس بین المللی بهینه سازی داده های محور سیستم های پیچیده
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Accurate stock market predictions following earnings reports are crucial for investors. Traditional methods, particularly classical machine learning models, struggle with these predictions because they cannot effectively process and interpret extensive textual data contained in earnings reports and often overlook nuances that influence market movements. This paper introduces an advanced approach by employing Large Language Models (LLMs) instruction fine-tuned with a novel combination of instruction-based techniques and quantized low-rank adaptation (QLoRA) compression. Our methodology integrates 'base factors', such as financial metric growth and earnings transcripts, with 'external factors', including recent market indices performances and analyst grades, to create a rich, supervised dataset. This comprehensive dataset enables our models to achieve superior predictive performance in terms of accuracy, weighted F1, and Matthews correlation coefficient (MCC), especially evident in the comparison with benchmarks such as GPT-4. We specifically highlight the efficacy of the llama-3-8b-Instruct-4bit model, which showcases significant improvements over baseline models. The paper also discusses the potential of expanding the output capabilities to include a 'Hold' option and extending the prediction horizon, aiming to accommodate various investment styles and time frames. This study not only demonstrates the power of integrating cutting-edge AI with fine-tuned financial data but also paves the way for future research in enhancing AI-driven financial analysis tools.
چکیده به فارسی (ترجمه ماشینی)
پیش بینی دقیق بازار سهام پس از گزارش های درآمد برای سرمایه گذاران بسیار مهم است.روشهای سنتی ، به ویژه مدل های یادگیری ماشین کلاسیک ، با این پیش بینی ها مبارزه می کنند زیرا آنها نمی توانند به طور مؤثر پردازش و تفسیر داده های متنی گسترده موجود در گزارش های درآمد و اغلب از ظرافت هایی که بر حرکات بازار تأثیر می گذارد ، تفسیر کنند.این مقاله با استفاده از دستورالعمل های بزرگ زبان (LLMS) با استفاده از ترکیب جدید از تکنیک های مبتنی بر دستورالعمل و فشرده سازی سازگاری کم درجه (QLORA) ، یک رویکرد پیشرفته را ارائه می دهد.روش شناسی ما "عوامل پایه" ، مانند رشد متریک مالی و رونوشت های درآمد ، با "عوامل خارجی" ، از جمله عملکردهای اخیر در بازار و نمرات تحلیلگر ، برای ایجاد یک مجموعه داده غنی و تحت نظارت ادغام می کند.این مجموعه داده جامع مدل های ما را قادر می سازد از نظر دقت ، وزنی F1 و ضریب همبستگی متیوز (MCC) به عملکرد پیش بینی برتر برسند ، به ویژه در مقایسه با معیارهایی مانند GPT-4.ما به طور خاص اثربخشی مدل Llama-3-8B-Instruct-4Bit را برجسته می کنیم ، که نشان دهنده پیشرفت های قابل توجهی نسبت به مدل های پایه است.این مقاله همچنین در مورد پتانسیل گسترش قابلیت های خروجی برای شامل گزینه "نگه داشتن" و گسترش افق پیش بینی ، با هدف قرار دادن سبک های مختلف سرمایه گذاری و فریم های زمانی بحث شده است.این مطالعه نه تنها قدرت ادغام هوش مصنوعی برش را با داده های مالی تنظیم شده خوب نشان می دهد بلکه راه را برای تحقیقات آینده در تقویت ابزارهای تجزیه و تحلیل مالی محور AI هموار می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
