今天来看一篇论文研究成果，利用集成RAG的大模型进行股价预测的工作。
金融分析中，核心任务包括对股票趋势预测以及基于实时信息进行金融问题回答。目前市面上利用机器学习和深度学习在股价预测上有较多进展，但因为这类方法只能给出预测结果，不能给出预测理由，更不能实施整合最新金融市场信息，因此给出的结果可解释性很低。
《AlphaFin: Benchmarking Financial Analysis with RetrievalAugmented Stock-Chain Framework》(开源地址放文末)这篇论文介绍了他们最近的工作，主要就是提供以下两个解决方案：
可解释能推理的股价预测系统 基于实时金融信息的金融问答系统
我们今天先看第一个解决方案，这个方案中，研究者有以下几点贡献：
1、制作微调数据集：整合了一些开源数据集以及一些金融数据提供渠道(华尔街CN新闻、Datayes股票行情...)，制作了用于模型训练的微调数据集AlphaFin，让模型能够在得到股价和金融信息的时候，给出预测。
2、搭建了存储实时金融信息的RAG检索系统，当用户在提出股价预测问题时，会通过RAG检索与问题中公司相关的信息，包括财报、新闻等，提供给大模型作为预测的基础
3、搭建了一个Stock-Chain股价预测系统，将微调的模型和RAG系统整合，实现端到端的金融问答系统
开源项目地址：https://github.com/AlphaFin-proj/AlphaFin
