Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Les stratégies d’investissement financier basées sur le LLM peuvent-elles surpasser le marché à long terme ?

Created by
  • Haebom

Auteur

Weixian Waylon Li, Hyeonjun Kim, Mihai Cucuringu, Tiejun Ma

Contour

Cet article évalue de manière critique la généralisabilité et la robustesse des stratégies d'évaluation des actifs et de négociation d'actions à l'aide de modèles linguistiques à grande échelle (MLE). Nous soulignons que des études antérieures ont surestimé l'efficacité des stratégies LLM en raison de leurs horizons temporels étroits et de leurs portefeuilles d'actions limités. Nous proposons un cadre de backtesting, FINSABER, pour évaluer les stratégies de market timing basées sur les LLM sur une longue période (plus de 20 ans) et sur plus de 100 actions.

Takeaways, Limitations

Takeaways: La supériorité des stratégies LLM, rapportée dans les études précédentes, se détériore considérablement lors de l'évaluation des actions à long terme et diversifiées. Les stratégies LLM ont tendance à être conservatrices en période de hausse et agressives en période de baisse, ce qui suggère des rendements faibles et des pertes élevées. Par conséquent, cela souligne la nécessité de développer des stratégies LLM qui privilégient la détection des tendances et la gestion des risques en fonction des conditions de marché plutôt qu'une simple complexification du cadre.
Limitations : Les résultats des tests rétrospectifs utilisant le cadre FINSABER peuvent être limités à une période et à un ensemble de titres spécifiques. Des recherches supplémentaires sont nécessaires pour différentes conditions de marché et stratégies d'investissement.
👍