現在の金融大規模言語モデル（FinLLM）には、株式分析の品質を評価する標準化された指標の欠如と、分析の深さ不足という2つの大きな制約があります。私たちはこれらの制約を2つの革新的な取り組みで克服しました。まず、株式分析の品質を評価する体系的なフレームワークであるAnalyScoreを導入しました。次に、金融分析能力を高めるために専門家が厳選したデータセットStocksisを構築しました。Stocksisデータセットを基に、革新的な統合フレームワークと定量的ツールを組み合わせて、専門的な株式分析レポートを生成できるFinSphereエージェントを開発しました。AnalyScoreの評価によると、FinSphereは分析の質と実用性において、一般的なLLM、専門の金融LLM、および既存のインテリジェントシステムを大幅に上回っており、後者がリアルタイムデータアクセスと少数ショット指導機能を備えている場合でも同様です。研究結果は、FinSphereが分析品質と実用的な応用において顕著な優位性を持つことを強調しています。

大規模言語モデル (LLM); 命令微調整された金融大モデル; リアルタイム株式分析; 評価フレームワークとデータセット