BreakGPT: A Large Language Model with Multi-stage Structure for Financial Breakout Detection

本文是LLM系列文章，针对《BreakGPT: A Large Language Model with Multi-stage Structure for Financial Breakout Detection》的翻译。

摘要

交易区间突破（TRB）是金融交易技术分析的一种关键方法，广泛应用于股票、期货和外汇等金融市场的交易员。然而，区分真实和虚假突破以及提供正确的理由给投资者带来了重大挑战。最近，大型语言模型在各种下游应用程序中取得了成功，但在金融突破检测领域的有效性一直较差。原因是漏诊检测需要独特的数据和特定的知识。为了解决这些问题，我们引入了BreakGPT，这是第一个用于金融突破检测的大型语言模型。此外，我们还为大型语言模型开发了一种新的框架，即多级结构，有效地减少了下游应用程序中的错误。实验结果表明，与GPT3.5相比，BreakGPT将答案的准确性和合理性提高了44%，多级结构对提高的贡献率为17.6%。此外，它的性能优于ChatGPT-4 42.07%。我们的代码是公开的：https://github.com/Neviim96/BreakGPT。

1 引言

2 相关工作

3 问题

4 方法

5 实验

6 结论

我们介绍