- 博客(8)
- 收藏
- 关注
原创 领导者的声音对金融市场的影响:对纳斯达克、NSE及其他市场的实证深度学习探索(草稿)浏览过千精译
金融市场,如股票、份额、黄金、石油、互惠基金的价格,受到新闻和社交媒体帖子的影响。在这项工作中,我们提出了基于深度学习的模型,以预测基于Twitter上不同领域领导者账号的NLP(自然语言处理)分析的金融市场趋势。有许多模型可用于仅基于金融组成部分的历史数据预测金融市场,但结合历史数据与社交媒体如Twitter上的新闻和帖子是本工作的主要目标。结果显示了显著的改进。
2024-04-10 19:03:35
454
1
原创 StockGPT:一个用于股票预测和交易的生成性AI模型
股票GPT使用了基础的仅解码器变换器架构,这是Vaswani等人(2017年)开发的典型变换器模型的第二步。仅解码器变换器也是ChatGPT的架构。图1展示了架构的草图。具体来说,解码器接收一个标记序列x = (x1, x2, ..., xt-1, xt),通过多层注意力转换它,输出每个下一个标记的概率,p(x2|x1), p(x3|x2, x1), ..., p(xt+1|xt, ..., x1)。
2024-04-10 18:45:28
1249
1
原创 物理学的语言模型:知识容量缩放定律 Physics of Language Models: Part 3.3,Knowledge Capacity Scaling Laws (草稿)
(bioD 数据生成)。考虑固定的 K 个属性,如集合 A = {"ID 1" ... "ID K"},和一个候选名称的固定集合 N0(其中 N0 = |N0| ≫ N)。1. 从 N0 中均匀随机(不放回)生成 N 个名称,形成 N。2. 对于每个属性 a ∈ A,均匀随机(不放回)生成 D 个不同的字符串 w1,a, ..., wD,a ∈ T^L 以形成多样性集 Da。
2024-04-10 00:16:28
926
1
原创 FinLlama: Financial Sentiment Classification for Algorithmic Trading Applications
尽管标普500包含500家公司,但在2015年2月至2021年6月的测试期间收集的金融文本数据并未包含与某些公司的关联文章。因此,最终考虑了417家公司。
2024-04-05 22:02:54
1893
1
原创 A Survey on Large Language Model based Autonomous Agents
自主代理一直是学术界和工业界的研究重点。以前的研究通常集中在训练在孤立环境中具有有限知识的代理,这与人类学习过程相差甚远,使得代理难以实现类似人类的决策。最近,通过获取大量的网络知识,大型语言模型(LLMs)已经显示出人类水平智能的潜力,导致了对基于LLM的自主代理的研究激增。在本文中,我们提供了这些研究的全面调查,从整体的角度系统回顾了基于LLM的自主代理。我们首先讨论了基于LLM的自主代理的构建,提出了一个统一的框架,涵盖了大部分以前的工作。
2024-04-05 20:52:47
2715
1
原创 FinGPT: Open-Source Financial Large Language Models FinGPT:开源金融大型语言模型
大型语言模型(LLMs)已展现出在多个领域革新自然语言处理任务的潜力,因此在金融领域引起了极大的兴趣。访问高质量金融数据是金融LLMs(FinLLMs)面临的首个挑战。尽管像BloombergGPT这样的专有模型利用了其独特的数据积累优势,这种特权访问促使人们寻求一个开源的替代方案,以民主化互联网规模的金融数据。在本文中,我们介绍了一个针对金融部门的开源大型语言模型,FinGPT。与专有模型不同,FinGPT采取了以数据为中心的方法,为研究人员和实践者提供了可访问和透明的资源,以开发他们的FinLLMs。
2024-04-03 22:03:10
2105
原创 The paradox of diffusion distillation 扩散蒸馏的悖论
扩散模型将生成高维分布数据的困难任务分解为许多去噪任务,每个任务都相对容易得多。我们训练它们一次解决其中一个任务。为了抽样,我们顺序进行多次预测。这种迭代细化是它们强大能力的来源。……真的是这样吗?近期关于扩散模型的很多论文都集中在减少所需的抽样步骤上;一些工作甚至旨在实现单步抽样。当将任务分解为许多更简单的步骤被认为是这些模型首先能够如此良好工作的原因时,这似乎有点违反直觉!在这篇博客文章中,让我们更仔细地看看减少扩散模型获取好结果所需的抽样步骤的各种方法。
2024-04-02 21:51:46
593
1
原创 提问 文心一言 关于前端和后端那点事
全栈开发是指一个开发者能够掌握并熟练运用前端和后端开发技术,具备独立完成一个完整应用的能力。全栈开发的优势:提高开发效率:全栈开发者能够独立完成前后端的开发,减少了不同开发者之间的沟通和协作成本,从而提高了开发效率。降低项目风险:全栈开发者对项目的整体把握能力更强,能够更好地理解前后端之间的交互和数据传输,从而减少项目中出现的问题和风险。增强个人竞争力:全栈开发者具备更广泛的技能和能力,能够胜任更多的工作,从而增强了个人的竞争力。
2023-10-08 02:19:26
272
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人