Прогнозирование цен на сырую нефть с использованием больших языковых моделей на основе анализа финансовых настроений

Анализ финансовых настроений необходим для интерпретации рыночной динамики и принятия обоснованных стратегических торговых решений. Несмотря на широкое внедрение в последние годы современных архитектур глубокого обучения и финансовых языковых моделей, настоящее исследование развивает это направление, изучая возможности большой языковой модели, а именно Gemini 2.5 Pro, предлагаемой компанией Google, для прогнозирования финансовых настроений с особым вниманием к рынку сырой нефти. Путем мониторинга заголовков новостей и содержания новостных материалов за 2025 год и использования метода формирования запросов с несколькими примерами оцениваются различные формулировки запросов для Gemini 2.5 на тщательно сформированном наборе данных, включающем заголовки и тексты новостей о сырой нефти. Полученная модель прогнозирования оценивается с использованием средней абсолютной ошибки (MAE) и среднеквадратичной ошибки (MSE) для меток настроений и прогнозируемых цен. Включение текстовой информации, извлеченной из новостей, существенно повысило качество прогнозирования. Среднеквадратичная ошибка (RMSE) снизилась с 1,57 при использовании только исторических данных о ценах до 1,14 при объединении ценовой информации с заголовками новостей и полными текстами статей посредством формирования запросов с несколькими примерами. Аналогично, значение MAE улучшилось с 1,32 до 0,78 при той же расширенной конфигурации входных данных, что демонстрирует существенное снижение ошибки прогнозирования при включении новостной информации. Полученные результаты показывают, что настроения, выявленные в новостях, предоставляют ценную дополнительную информацию для краткосрочного прогнозирования цен на сырую нефть.