FinReport: Explainable Stock Earnings Forecasting via News Factor Analyzing Model

由于现实世界中投资者的需求，股票收益预测任务备受关注。然而，与金融机构相比，普通投资者很难挖掘因素并分析新闻。另一方面，尽管金融领域的大型语言模型可以以对话机器人的形式为用户提供服务，但仍需要用户具备金融知识才能提出合理的问题。为了提供用户体验，我们旨在构建一个自动系统FinReport，为普通投资者收集信息、分析信息并生成报告。具体而言，我们的FinReport基于财经新闻公告和多因素模型，以确保报告的专业性。FinReport由三个模块组成：新闻因素分解模块、回报预测模块和风险评估模块。新闻因素分解模块涉及理解新闻信息并将其与股票因素相结合，回报预测模块旨在分析新闻对市场情绪的影响，而风险评估模块则用于控制投资风险。对真实数据集的广泛实验充分验证了我们提出的FinReport的有效性和可解释性。我们的代码和数据集可在https://github.com/frinkleko/FinReport上获得。

本论文旨在构建一个自动化系统FinReport，以帮助普通投资者收集信息、分析并生成报告，解决普通投资者分析股票收益的难题。

FinReport包含三个模块：新闻分解模块、收益预测模块和风险评估模块。新闻分解模块将理解新闻信息并与股票因素结合，收益预测模块旨在分析新闻对市场情绪的影响，风险评估模块被采用来控制投资风险。

论文在真实数据集上进行了广泛的实验，验证了FinReport的有效性和可解释性。作者在GitHub上开源了代码和数据集。

最近的相关研究包括：1.基于机器学习的金融预测模型；2.基于自然语言处理的金融新闻分析模型；3.基于深度学习的股票预测模型。