FANAL — Financial Activity News Alerting Language Modeling Framework

要約

急速に進化する金融セクターでは、予測不可能な出来事に対処する必要があるステークホルダーにとって、市場ニュースを正確かつタイムリーに解釈することが不可欠です。
このペーパーでは、リアルタイムの金融イベントの検出と分析のために設計された特殊な BERT ベースのフレームワークである FANAL (金融活動ニュース アラート言語モデリング フレームワーク) を紹介し、ニュースを 12 の異なる金融カテゴリに分類します。
FANAL は、XGBoost を通じて処理されたシルバーラベルのデータを活用し、優れたクラスごとの確率の校正と調整のために、ORPO (オッズ比優先最適化) で微調整された BERT の新しいバリアントである ORBERT (オッズ比 BERT) と並行して、高度な微調整技術を採用しています。
金融イベントとの関連性。
GPT-4o、Llama-3.1 8B、Phi-3 などの主要な大規模言語モデルに対して FANAL のパフォーマンスを評価し、その優れた精度とコスト効率を実証します。
このフレームワークは、財務インテリジェンスと応答性の新しい標準を設定し、パフォーマンスと手頃な価格の両方で既存のモデルを大幅に上回ります。

要約(オリジナル)

In the rapidly evolving financial sector, the accurate and timely interpretation of market news is essential for stakeholders needing to navigate unpredictable events. This paper introduces FANAL (Financial Activity News Alerting Language Modeling Framework), a specialized BERT-based framework engineered for real-time financial event detection and analysis, categorizing news into twelve distinct financial categories. FANAL leverages silver-labeled data processed through XGBoost and employs advanced fine-tuning techniques, alongside ORBERT (Odds Ratio BERT), a novel variant of BERT fine-tuned with ORPO (Odds Ratio Preference Optimization) for superior class-wise probability calibration and alignment with financial event relevance. We evaluate FANAL’s performance against leading large language models, including GPT-4o, Llama-3.1 8B, and Phi-3, demonstrating its superior accuracy and cost efficiency. This framework sets a new standard for financial intelligence and responsiveness, significantly outstripping existing models in both performance and affordability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google