O atual modelo de linguagem financeira em grande escala (FinLLM) apresenta duas grandes limitações: falta de indicadores padronizados para avaliar a qualidade da análise de ações e profundidade insuficiente na análise. Superamos essas limitações por meio de duas inovações. Primeiro, lançamos o AnalyScore, uma estrutura sistemática para avaliar a qualidade da análise de ações; em segundo lugar, construímos um conjunto de dados cuidadosamente selecionado por especialistas chamado Stocksis, que visa aprimorar a capacidade de análise financeira dos grandes modelos de linguagem (LLM). Com base no conjunto de dados Stocksis, combinado com estrutura de integração inovadora e ferramentas quantitativas, desenvolvemos o agente FinSphere, capaz de gerar relatórios de análise de ações em nível profissional. A avaliação AnalyScore mostra que o FinSphere supera significativamente os LLMs gerais, os LLMs financeiros especializados e os sistemas inteligentes existentes, tanto em qualidade de análise quanto em capacidade de aplicação prática, mesmo quando estes últimos dispõem de acesso a dados em tempo real e orientação com poucos exemplos. Os resultados da pesquisa destacam a vantagem significativa do FinSphere na qualidade da análise e na aplicação prática.

Modelo de linguagem grande (LLM); modelo financeiro grande ajustado por instrução; análise de ações em tempo real; estrutura de avaliação e conjunto de dados