Abstract:Financial news sentiment analysis is crucial for anticipating market movements. Con el aumento de las técnicas de IA como los modelos de lenguaje grande (LLM), que demuestran fuertes capacidades de comprensión de texto, ha habido un interés renovado en mejorar estos sistemas. Los métodos existentes, sin embargo, a menudo luchan por capturar el complejo contexto económico de las noticias y carecen de razonamiento transparente, lo que socava su confiabilidad. Proponemos la cadena de pensamiento financiera basada en la analogía (AD-FCOT), un marco de incrustación que integra un razonamiento analógico con la impulso de la cadena de pensamiento (COT) para la predicción de los sentimientos en las noticias financieras históricas. AD-FCOT guía a LLM para establecer paralelos entre nuevos eventos y escenarios históricos relevantes con resultados conocidos, incrustando estas analogías en una cadena de razonamiento estructurada y paso a paso. To our knowledge, this is among the first approaches to explicitly combine analogical examples with CoT reasoning in finance. Operando exclusivamente a través de la solicitud, AD-FCOT no requiere datos de capacitación adicionales o ajuste fino y aprovecha el conocimiento financiero interno del modelo para generar fundamentos que reflejen el razonamiento analítico humano. Los experimentos en miles de artículos de noticias muestran que AD-FCOT supera a las líneas de base fuertes en la precisión de la clasificación de sentimientos y logra una correlación sustancialmente mayor con los rendimientos del mercado. Sus explicaciones generadas también se alinean con la experiencia en el dominio, proporcionando ideas interpretables adecuadas para el análisis financiero del mundo real.
Publicado Originalme en export.arxiv.org El 16 de septiembre de 2025.
Ver Fuente Original
