跳到正文
AI × 量化 × 交易AI 入门 ¥399 · 年度信号 ¥1,299 · AI 直播课 ¥5,980 · 合作机构员工优先查看 →
热点事件持续更新

研究者发布LLM反事实压力测试组合风险模拟论文v2

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Masoud Soleimani发布30页arXiv论文v2,提出一套可审计的大语言模型宏观金融压力测试流水线,用于组合风险模拟。该流水线通过结构化提示、可选检索国家基本面与新闻,生成包含GDP增速、通胀、政策利率的G7宏观情景,将其转换为相对IMF世界经济展望基线的偏离值,再通过三通道PCA因子模型映射为组合损失;其中宏观到因子的映射为预先设定而非估计,所有尾部风险倍数均以既定假设为条件。 该研究基于两类模型、三次运行得到的2420个有效情景,外加无锚定严重度运行和8个风险层消融实验开展验证。作者称,LLM情景生成器更适合在预设严重度路径下做叙事和行业层面的情景提取,不适合作为压力幅度的自主校准工具。

AI 根据报道生成 · 2 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27日
  1. arXiv q-fin
    arXiv论文:用混合提示-RAG流水线生成LLM反事实压力情景做组合风险模拟

    Masoud Soleimani发布30页arXiv论文,提出一套可审计的大语言模型宏观金融压力测试流水线。该流水线通过结构化提示、可选检索国家基本面与新闻,生成包含GDP增速、通胀、政策利率的G7宏观情景,将其转换为相对IMF世界经济展望基线的偏离值,再通过三通道PCA因子模型映射为组合损失,宏观到因子的映射为预先设定而非估计。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。