2025-arXiv-MarketSenseAI 2.0: 通过 LLM 智能体增强股票分析

arXiv | https://arxiv.org/abs/2502.00415

Website | https://www.marketsense-ai.com/

MarketSenseAI 1.0 | https://arxiv.org/abs/2401.03737

摘要：

MarketSenseAI 是一种全新的整体股票分析框架，利用大型语言模型（LLMs）处理金融新闻、历史价格、公司基本面以及宏观经济环境，以支持股票分析与选择中的决策制定。在本文中，我们介绍了由大型语言模型技术迅猛发展推动的 MarketSenseAI 最新进展。通过结合检索增强生成和大型语言模型智能体的全新架构，该框架能够处理 SEC 文件和收益电话会议，并通过系统化处理各类机构报告来丰富宏观经济分析。与上一版本相比，在基本面分析准确性方面取得了显著提高。在 2023-2024 年间对标普 100 指数股票的实证评估显示，MarketSenseAI 累计回报率为 125.9%，而指数回报率为 73.5%，同时保持了相似的风险水平。

一、引言

MarketSenseAI 是一个全面的框架，旨在利用大规模语言模型（LLMs）进行股票分析和选择。通过处理财务新闻、历史股价、公司基本面和宏观经济数据，它旨在支持现代金融市场中的多维度决策过程。

开发 MarketSenseAI 的动力源于现有系统性股票分析方法的局限性。许多方法依赖于时间序列建模，有时还会补充情感指标，但很少能够整合可用数据的广泛范围。另一个重大挑战在于处理不同采样频率的数据：宏观经济指标和基本面因素通常比市场数据具有更低的发布频率，因此需要复杂的方法来确保数据的一致性。

本文的贡献在于展示了近期在大规模语言模型（LLM）架构方面取得的进展如何能够增强 MarketSenseAI 框架内的基础性和宏观经济分析：

• **精炼的基本面分析：我们引入了一种链式智能体（CoA）**方法，能够精细处理大规模金融数据，如 10-Q 和 10-K 报告以及财报电话会议记录，从而提供更准确的企业财务状况评估。
• **增强的宏观经济分析：一种专门的检索增强生成（RAG）**模块，采用语义切块和基于假设密集嵌入（HyDE）的检索方法，处理更广泛的专家报告和指标，提供传统分析中经常缺失的宏观经济背景。
• **全面的现实世界评估：**使用标普 100 指数股票进行为期两年（2023-2024 年）的实验，以及使用标普 500 指数股票进行 2024 年的实验，展示了我们所提议系统的稳健性，揭示了基本面分析准确性的显著提高，并且在与基准指数相当的风险下，实现了 8.0% - 18.9% 的持续超额回报。

二、主要方法

MarketSenseAI 为一个模块化系统，综合各种类型的金融信息，由五个主要的 LLM 智能体组成：

• **新闻智能体：**负责汇总和浓缩与特定股票相关的新闻文章。每日的原始文本首先被提炼成简洁的摘要，然后将这些摘要与之前的摘要整合，形成近期发展情况的逐步叙述。这种机制确保了虽然较旧但仍然相关的新闻（例如，正在进行的法律诉讼）仍会成为不断演变的背景的一部分。
• **基本面智能体：**专注于分析每家公司的财务报表。为了处理大量且往往复杂的数值数据&#x