ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model for Stock Performance Prediction

要約

財務分析の分野では、決算電話会議 (ECC) などの非構造化データを活用して株価のパフォーマンスを予測することは、学者と投資家の両方を魅了する重要な課題です。
これまでの研究では、深層学習ベースのモデルを使用して ECC の全体像を取得していましたが、詳細で複雑な情報を取得できないことがよくありました。
私たちの研究では、新しいフレームワーク \textbf{ECC Analyzer} を導入しています。これは、大規模言語モデル (LLM) とマルチモーダル技術を組み合わせて、より豊富で予測的な洞察を抽出します。
このモデルは、トランスクリプトの構造を要約し、音声のトーンとピッチの変化を検出することで話者のモードと信頼レベルを分析することから始まります。
この分析は、投資家が ECC についての概要を認識するのに役立ちます。
さらに、このモデルは検索拡張生成 (RAG) ベースの手法を使用して、専門家の観点から株価パフォーマンスに重大な影響を与える焦点を注意深く抽出し、より的を絞った分析を提供します。
このモデルは、センチメントやオーディオ セグメントの特徴などの追加の分析レイヤーを使用して、これらの抽出された焦点を強化することでさらに一歩進んでいます。
これらの洞察を統合することで、ECC アナライザーは、ボラティリティ、バリューアットリスク (VaR)、さまざまな間隔でのリターンなど、株価パフォーマンスのマルチタスク予測を実行します。
結果は、私たちのモデルが従来の分析ベンチマークを上回るパフォーマンスを示し、財務分析における高度な LLM 技術の使用の有効性を裏付けています。

要約(オリジナル)

In the realm of financial analytics, leveraging unstructured data, such as earnings conference calls (ECCs), to forecast stock performance is a critical challenge that has attracted both academics and investors. While previous studies have used deep learning-based models to obtain a general view of ECCs, they often fail to capture detailed, complex information. Our study introduces a novel framework: \textbf{ECC Analyzer}, combining Large Language Models (LLMs) and multi-modal techniques to extract richer, more predictive insights. The model begins by summarizing the transcript’s structure and analyzing the speakers’ mode and confidence level by detecting variations in tone and pitch for audio. This analysis helps investors form an overview perception of the ECCs. Moreover, this model uses the Retrieval-Augmented Generation (RAG) based methods to meticulously extract the focuses that have a significant impact on stock performance from an expert’s perspective, providing a more targeted analysis. The model goes a step further by enriching these extracted focuses with additional layers of analysis, such as sentiment and audio segment features. By integrating these insights, the ECC Analyzer performs multi-task predictions of stock performance, including volatility, value-at-risk (VaR), and return for different intervals. The results show that our model outperforms traditional analytic benchmarks, confirming the effectiveness of using advanced LLM techniques in financial analytics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google