Bài báo này nhấn mạnh tầm quan trọng then chốt của việc dự báo chính xác tác động của các sự kiện kinh tế vĩ mô đối với các nhà đầu tư và nhà hoạch định chính sách, đồng thời chỉ ra những hạn chế của các phương pháp dự báo hiện tại tập trung vào phân tích văn bản hoặc mô hình chuỗi thời gian. Các phương pháp này không thể nắm bắt đầy đủ các mô hình đa dạng của thị trường tài chính và mối quan hệ nhân quả giữa các sự kiện và biến động giá. Để giải quyết vấn đề này, bài báo đề xuất Dự báo Tài chính Đa phương thức Tăng cường Nhân quả (CAMEF), một khuôn khổ đa phương thức tích hợp dữ liệu văn bản và chuỗi thời gian với cơ chế học nhân quả và kỹ thuật tăng cường sự kiện phản thực dựa trên LLM. CAMEF nắm bắt mối quan hệ nhân quả giữa văn bản chính sách và dữ liệu giá lịch sử và sử dụng một tập dữ liệu tài chính mới bao gồm sáu thông báo chỉ báo kinh tế vĩ mô và dữ liệu giao dịch thời gian thực tần suất cao cho năm tài sản tài chính lớn của Hoa Kỳ từ năm 2008 đến tháng 4 năm 2024. Chúng tôi cải thiện hiệu suất dự báo thông qua chiến lược tăng cường sự kiện phản thực dựa trên LLM và xác minh tính hiệu quả của các cơ chế học tập nhân quả và các loại sự kiện thông qua phân tích so sánh và nghiên cứu cắt bỏ với các mô hình cơ sở đa phương thức và chuỗi thời gian dựa trên máy biến áp hiện đại.
