AI4Finance-Foundation/FinGPT

解决的问题

FinGPT 为专有金融 LLM（如 BloombergGPT）提供了开源替代方案，实现了金融智能的民主化。通过专注于现有开源 LLM 的轻量化适配，解决了从头开始训练大规模金融模型所带来的高成本和更新周期慢的问题。

工作原理

FinGPT 使用多层框架来处理金融数据并微调模型。它利用 LoRA (Low-Rank Adaptation) 等技术进行高性价比的微调，并利用 RLHF (Reinforcement Learning from Human Feedback) 根据个人用户偏好（如风险厌恶）来个性化模型。该生态系统包括用于实时获取的数据源层、用于 NLP 处理的数据工程层，以及用于衡量各种金融任务性能的任务层。

适用对象

金融分析师、智能投顾和 AI 研究人员，他们需要针对情感分析、股价波动预测和金融关系提取等任务的专用 LLM，而无需投入数百万美元的完整模型训练预算。

亮点

• 高性价比适配：将微调成本从数百万美元降低到每次会话不到 300 美元。
• FinGPT-Forecaster：用于分析公司新闻并预测下周股价波动的专用工具。
• 多任务能力：支持包括命名实体识别 (NER)、关系提取和标题分类在内的多种任务。
• RAG 集成：包含专门用于增强金融情感分析的检索增强框架。
• 广泛的模型支持：提供基于 Llama2、Falcon、Bloom 和 ChatGLM2 的微调版本。