ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model

本文是LLM系列文章，针对《ECC Analyzer: Extract Trading Signal from Earnings Conference Calls using Large Language Model for Stock Performance Prediction》的翻译。

摘要

在金融分析领域，利用非结构化数据（如财报电话会议）来预测股票表现是一项关键挑战，吸引了学者和投资者。虽然以前的研究使用基于深度学习的模型来获得对ECC的总体看法，但它们往往无法捕捉到详细、复杂的信息。我们的研究引入了一种新的框架：ECC分析器，结合了大型语言模型（LLM）和多模态技术，以提取更丰富、更具预测性的见解。该模型首先总结了文本的结构，并通过检测音频的音调和音高变化来分析说话者的模式和置信水平。这一分析有助于投资者形成对ECCs的总体看法。此外，该模型使用基于检索增强生成（RAG）的方法，从专家的角度精心提取对股票表现有重大影响的焦点，提供更有针对性的分析。该模型更进一步，用额外的分析层（如情感和音频片段特征）丰富了这些提取的焦点。通过整合这些见解，ECC Analyzer可以对股票表现进行多任务预测，包括波动率、风险值（VaR）和不同区间的回报率。结果表明，我们的模型优于传统的分析基准，证实了在财务分析中使