跳到正文
热点事件观察中

13个LLM解析SEC 10-Q文件的大规模评测发布

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Shengkun Wang 等研究者发布论文,在2001至2024年的45,964个Form 10-Q申报事件上,以零样本提示方式评测13个通用及金融专用大语言模型,考察其对MD&A文本、收益排序和下一季度EPS预测的表现。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月20日
  1. arXiv · cs.AI
    研究评估13个大语言模型对SEC文件、股票收益与分析师预测的解析能力

    作者在2001至2024年的45,964个Form 10-Q事件上评测13个通用及金融专用LLM,考察其对MD&A文本、收益排序和下一季度EPS预测的表现。相较仅使用披露信息,加入截面基本面排序后,有效事件日收益和次日收益的平均RankIC分别提高0.0089和0.0098;分析师摘要没有带来同等平均增益。共识锚定可将以区间内预测占比从41.1%提高至59.5%,但会增加报告EPS误差。

本事件热度走势

可比范围当前
5
可比范围峰值
610月21日 06:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。