Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

FinSphere, a Real-Time Stock Analysis Agent Powered by Instruction-Tuned LLMs and Domain Tools

Created by
  • Haebom

저자

Shijie Han, Jingshu Zhang, Yiqing Shen, Kaiyuan Yan, Hongguang Li

개요

본 논문은 주식 분석 보고서의 품질 평가를 위한 객관적인 평가 지표의 부재와 전문가 수준의 통찰력을 생성하는 데 방해가 되는 주식 분석의 깊이 부족이라는 두 가지 중요한 한계를 극복하기 위해, 주식 분석 에이전트인 FinSphere를 제시합니다. FinSphere는 주식 분석 품질을 평가하는 체계적인 평가 프레임워크인 AnalyScore, LLM의 주식 분석 기능을 향상시키기 위해 업계 전문가가 큐레이션한 데이터셋인 Stocksis, 그리고 사용자 질의에 대한 고품질 주식 분석 보고서를 생성할 수 있는 AI 에이전트인 FinSphere 자체로 구성됩니다. 실험 결과, FinSphere는 실시간 데이터 접근 및 몇 번의 샷 안내를 통해 향상된 일반 및 도메인 특정 LLM뿐만 아니라 기존 에이전트 기반 시스템과 비교하여 우수한 성능을 달성합니다. 실시간 데이터 피드, 정량적 도구 및 지시 사항으로 미세 조정된 LLM을 결합한 통합 프레임워크는 실제 주식 분석에 대한 분석 품질과 실용성을 크게 향상시킵니다.

시사점, 한계점

시사점:
주식 분석 보고서의 품질을 객관적으로 평가할 수 있는 새로운 평가 프레임워크(AnalyScore) 제시.
LLM의 주식 분석 성능 향상을 위한 전문가 큐레이션 데이터셋(Stocksis) 제공.
실시간 데이터, 정량적 도구, 미세 조정된 LLM을 통합한 고성능 주식 분석 에이전트(FinSphere) 개발.
기존 시스템 대비 우수한 주식 분석 성능 입증.
실제 주식 분석의 분석 품질 및 실용성 향상에 기여.
한계점:
AnalyScore의 일반화 가능성 및 범용성에 대한 추가 연구 필요.
Stocksis 데이터셋의 규모 및 다양성 확장 필요.
FinSphere의 장기적인 성능 및 안정성에 대한 추가적인 검증 필요.
예측 정확도 및 수익률과 같은 실질적인 투자 성과에 대한 평가 부족.
모델의 편향성 및 윤리적 문제에 대한 고찰 부족.
👍