RiskLabs: Predicting Financial Risk Using Large Language Model based on Multimodal and Multi-Sources Data
Created by
Haebom
Category
Empty
저자
Yupeng Cao, Zhi Chen, Prashant Kumar, Qingyun Pei, Yangyang Yu, Haohang Li, Fabrizio Dimino, Lorenzo Ausiello, K. P. Subbalakshmi, Papa Momar Ndiaye
개요
본 논문은 대규모 언어 모델(LLM)을 활용한 금융 위험 예측 프레임워크인 RiskLabs를 제시합니다. RiskLabs는 수익 컨퍼런스 콜(ECC)의 텍스트 및 음성 정보, 시장 관련 시계열 데이터, 뉴스 데이터 등 다양한 모달리티의 금융 데이터를 통합하여 시장 변동성 및 분산을 예측합니다. 실증 결과를 통해 RiskLabs의 효과성을 보여주고, 각 데이터 소스의 기여도를 분석하며, LLM과 다모달 데이터 결합의 중요성을 강조합니다. 기존 연구들이 주로 금융 텍스트 요약, 질의응답, 주가 예측에 집중한 것과 달리, 금융 위험 예측에 LLM을 적용하는 데 초점을 맞추고 있습니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용한 금융 위험 예측 분야의 새로운 가능성 제시
◦
다모달 데이터 통합을 통한 금융 위험 예측 정확도 향상
◦
다양한 데이터 소스의 기여도 분석을 통한 금융 위험 평가 개선
◦
LLM 기반 금융 위험 예측 프레임워크(RiskLabs) 개발 및 효과성 검증
•
한계점:
◦
LLM을 활용한 금융 위험 예측의 과제 및 한계에 대한 추가적인 연구 필요
◦
RiskLabs의 일반화 성능 및 다양한 금융 시장 적용 가능성에 대한 추가적인 검증 필요
