Современные большие финансовые языковые модели (FinLLM) сталкиваются с двумя основными ограничениями: отсутствием стандартизированных метрик оценки качества анализа акций и недостаточной глубиной анализа. Мы преодолели эти ограничения двумя инновациями. Во-первых, представлен AnalyScore — систематическая структура для оценки качества анализа акций; во-вторых, создан тщательно отобранный экспертами датасет Stocksis, призванный повысить финансовые аналитические способности больших языковых моделей (LLM). На основе датасета Stocksis, в сочетании с инновационной интеграционной платформой и количественными инструментами, нами разработан агент FinSphere, способный создавать профессиональные отчёты по анализу акций. Оценка с помощью AnalyScore показала, что FinSphere значительно превосходит универсальные LLM, специализированные финансовые LLM и существующие системы агентов как по качеству анализа, так и по практическим возможностям, даже если последние оснащены доступом к реальным данным и руководством с использованием малых образцов. Результаты исследования подчёркивают заметные преимущества FinSphere в качестве анализа и реальном применении.

Большие языковые модели (LLM);финансовая большая модель с командной настройкой;реальный анализ акций;структура оценки и датасет