评估人工智能时代的金融情绪

金融情绪指标广泛应用于实证金融领域，但目前尚不清楚通用大型语言模型（LLM）是否能改进现有的金融特定方法。本文使用两个标准：语言有效性和经济有效性，评估了 12 种情感模型，包括基于字典的方法、金融专用转换器和开源大语言模型。我们发现，通用 LLM 的分类性能可与金融专用Transformer模型相媲美，而无需针对特定任务进行微调。然而，更高的分类准确度并不意味着更强的经济关系。一些模型产生的情绪指标与盈利意外显着相关，但没有一个模型与次日股票收益显着相关。对于收益大幅超出或低于预期的公告，模型表现最为强劲；而对于收益意外较为温和的公告，模型表现则大幅减弱。这些发现表明，金融情绪捕捉了有关企业经济表现的信息，但解释短期市场反应的能力有限