Temporal Relational Reasoning of Large Language Models for Detecting Stock Portfolio Crashes
发表于 2025年10月25日上传于 2025年10月28日

本报告提出了一种名为Temporal Relational Reasoning(TRR)的算法框架,利用大规模语言模型及其零样本推理能力,对股票投资组合崩盘风险进行预测。TRR通过模拟人类认知的头脑风暴、记忆、注意力及推理四大能力,从多时点的新闻信息动态生成时间-关系图,显著提升了崩盘检测的准确率。实验证明,TRR在多个经典金融危机时期对不同组合的预测优于深度学习和其他LLM推理方法,对经济危机预警亦具良好泛化能力。