AIが金融株式分析を行う前に見た2つの論文について：
今日新しいものを見てみましょう：FinSphere。対話型の株式分析AIアシスタントで、金融分析分野を根本的に変えることを目指しています。
FinSphereには三大革新があります
Stocksisデータセット：業界の専門家によって慎重に作成され、LLMsの株式分析能力向上のために特別に設計されています。
AnalyScore評価フレームワーク：一連のシステム化された株式分析品質評価ツールで、分析結果の客観性と正確性を数値化し比較可能にします。
FinSphereインテリジェントエージェント：ユーザーの具体的なニーズに基づいて、高品質な株式分析レポートを生成できます。
FinSphereインテリジェントエージェント
4.1 実時データベースに基づく強力なクオンツツール
FinSphereの大きなコアアドバンテージは、成熟したクオンツ分析ツールとのシームレスな統合です。これらのツールは広範な生産環境での展開と検証を経ており、市場全体の株式に関するリアルタイムの金融データベースにアクセス可能です。構造化データ（株価推移、取引量、財務指標）や非構造化データ（企業公告、アナリストレポート、市場ニュースなど）が含まれます。
FinSphereが特定のクオンツ分析ニーズを認識すると、自動的に適切なツールがトリガーされます。ツールはリアルタイムデータベースを自動的に照会し、最新の関連データを抽出して複雑な計算を行い、技術指標、ファンダメンタルズ評価、または市場感情評価などの専門的な分析を生成します。各ツールはユーザーのクエリに応じてカスタマイズされており、常に更新されるデータベースを最大限に活用することで、分析結果がリアルタイムの市場状況を正確に反映することを保証します。このアーキテクチャにより、FinSphereの返答は常に最新の市場データに基づき、検証済みのクオンツメソッドの恩恵も受けられます。
4.2 専門化された命令微調整
私たちは、専門家によって企画されたStocksisデータセットを使用して、Qwen2-72Bモデルの命令微調整を行いました。これにより、モデルの金融分析能力が大幅に向上しました。Stocksisデータセットには、5000組の高品質トレーニングデータが含まれており、それぞれが構造化プロンプト、包括的なクオンツツール出力、およびそれに応じた専門家の分析で構成されています。微調整プロセスではLoRA（低ランク適応）技術が採用され、効率的なパラメータ更新を実現しながらモデルの汎用性を維持します。この方法により、モデルはさまざまなクオンツツールの出力を理解し、多次元の分析視点を統合し、専門的な分析パターンに従って構造化されたレポートを生成できるようになりました。
4.3 FinSphere全体の作業フロー
FinSphereは体系的かつ多段階のプロセスを通じて包括的な金融分析を完了します。ユーザーがクエリを送信すると、FinSphereはまずチェーン・オブ・サウジ（CoT）メソッドを使用して、分析リクエストを構造化されたサブタスクに分解し、各タスクに必要なクオンツツールを決定します。
タスク分解が完了後、選択されたクオンツツールは独立してリアルタイム金融データベースにアクセスし、最新の市場データを検索して専門領域の分析を行います。これらの分析は技術指標からファンダメンタルズ指標まで多岐にわたり、分析内容の包括性とリアルタイム性を確保します。
最終段階では、Stocksisデータセットで調整されたモデルが、各クオンツツールが生成した専門的な分析を総合的に入力し、統合と詳細な解析を行い、高品質な包括的な分析レポートを出力します。命令微調整により、モデルはクオンツ出力の理解と専門レベルの金融分析生成において卓越した能力を示します。この統合型の作業フローは、FinSphereの分析結果がクオンツ分析の正確さと専門家の金融推理による深い洞察を兼ね備え、常にリアルタイムの市場関連性を維持することを保証します。
比較
例
