El actual modelo de lenguaje grande financiero (FinLLM) presenta dos limitaciones principales: la falta de indicadores estandarizados para evaluar la calidad del análisis de acciones y la insuficiente profundidad del análisis. Hemos superado estas limitaciones a través de dos innovaciones. Primero, lanzamos AnalyScore, un marco sistemático para evaluar la calidad del análisis de acciones; segundo, construimos un conjunto de datos cuidadosamente seleccionado por expertos llamado Stocksis, destinado a mejorar la capacidad de análisis financiero de los grandes modelos de lenguaje (LLM). Basándonos en el conjunto de datos Stocksis, junto con un marco de integración innovador y herramientas cuantitativas, desarrollamos el agente FinSphere, capaz de generar informes de análisis de acciones a nivel profesional. La evaluación de AnalyScore muestra que FinSphere supera significativamente a los LLM generales, los LLM financieros especializados y los sistemas inteligentes existentes en calidad de análisis y capacidad de aplicación práctica, incluso cuando estos últimos cuentan con acceso en tiempo real a datos y orientación con pocas muestras. Los resultados de la investigación resaltan la ventaja significativa de FinSphere en calidad de análisis y aplicación práctica.

Modelo de lenguaje grande (LLM); modelo financiero grande ajustado por instrucciones; análisis de acciones en tiempo real; marco de evaluación y conjunto de datos