10:50
官方一手arXiv: DeepSeek@Zijie Zhao, Roy E. Welsch
精选
推荐理由：金融量化团队终于有了一个不折腾大模型、只优化检索来源就能显著提升收益风险比的方案——Sharpe从0.52到0.84的跃升很实在，做事件驱动策略的可以直接参考这个贝叶斯记忆模块。
金融RAG
共 1 条相关 AI 资讯
6月1日
10:50
该研究提出一种面向金融事件驱动RAG的贝叶斯源记忆机制，通过市场反馈（已到期残差收益）动态更新检索来源的信任度，而不微调LLM本身。在FNSPID数据集89只纳斯达克股票上，冻结LLM+源记忆相比无记忆基线，宏F1从0.438提升至0.471，下游投资组合Sharpe比率从0.52跃升至0.84。实验表明，在金融RAG中，学会信任哪些信息来源比学会如何阅读更重要，且该方法简单模块化，可直接适配市场变化。