본 논문은 대규모 언어 모델(LLM)이 금융 시장 분석에서 중요한 역할을 하지만, 접근성이 제한적인 문제점을 해결하고자, 가벼운 오픈소스 LLM의 성능을 평가한다. 특히, 제한된 컴퓨팅 자원으로 작동하도록 설계된 소형 모델들이 다양한 크기, 소스, 형식, 언어의 금융 데이터셋에서 감성 이해를 얼마나 잘 일반화하는지 연구했다. FinBERT와 DeepSeek-LLM 7B, Llama3 8B Instruct, Qwen3 8B를 5개의 공개 데이터셋에서 비교한 결과, Qwen3 8B와 Llama3 8B가 특히 뛰어난 성능을 보였으며, 훈련 데이터의 5%만 사용해도 경쟁력 있는 결과를 얻을 수 있음을 확인했다. 이는 오픈소스 LLM이 비용 효율적인 대안이 될 수 있음을 시사한다.
