AI4Finance-Foundation/FinGPT

解決的問題

FinGPT 為專有金融 LLM（如 BloombergGPT）提供了開源替代方案，實現了金融智能的民主化。透過專注於現有開源 LLM 的輕量化適配，解決了從頭開始訓練大規模金融模型所帶來的高成本與更新週期慢的問題。

工作原理

FinGPT 使用多層框架來處理金融數據並微調模型。它利用 LoRA (Low-Rank Adaptation) 等技術進行高性價比的微調，並利用 RLHF (Reinforcement Learning from Human Feedback) 根據個人用戶偏好（如風險厭惡）來個性化模型。該生態系統包括用於實時獲取的數據源層、用於 NLP 處理的數據工程層，以及用於衡量各種金融任務性能的任務層。

適用對象

金融分析師、智能投顧和 AI 研究人員，他們需要針對情感分析、股價波動預測和金融關係提取等任務的專用 LLM，而無需投入數百萬美元的完整模型訓練預算。

亮點

• 高性價比適配：將微調成本從數百萬美元降低到每次會話不到 300 美元。
• FinGPT-Forecaster：用於分析公司新聞並預測下週股價波動的專用工具。
• 多任務能力：支持包括命名實體識別 (NER)、關係提取和標題分類在內的多種任務。
• RAG 集成：包含專門用於增強金融情感分析的檢索增強框架。
• 廣泛的模型支持：提供基於 Llama2、Falcon、Bloom 和 ChatGLM2 的微調版本。