LLM-Traders : 大規模言語モデルを用いた金融時系列予測

抄録

本論文では、大規模言語モデル（LLM）のfine-tuningとプロンプトエンジニアリングを用いて、金融時系列を分析するLLM-Tradersを提案する。 本研究は(1)ノイズへの過学習の阻止(2)複雑で多様な時系列モデリングの必要性および(3)金融市場のダイナミクスへの対応の必要性という3つの課題に取り組む。 本手法は、まずノイズへの過学習に対し、LLMを時系列固有の属性を認識できるようにfine-tuneし対応する。 次に、複雑で多様な金融市場に対処するプロンプトエンジニアリングを行う。 最終的に、金融市場のダイナミクスに対し、動的なアンサンブルを行う。 本手法は、現代の金融時系列分析の課題に対処するための包括的な堅牢かつ柔軟なフレームワークとして機能し、その有効性を実データで検証した。