数据集概述
本数据集包含基于大语言模型（LLMs）的AI系统实现代码、样本数据及文档，用于分析保证金与期权交易中影响零售交易者的心理行为因素，识别认知偏差并提供干预建议，提升交易纪律与决策质量。
文件详解
- 核心代码文件：
- AI_Driven_Pschological_Conditioning_Model.ipynb：Jupyter Notebook格式，为AI驱动心理调节模型的Python实现代码
- 样本数据文件：
- trading_cases_metrics.csv：CSV格式，包含交易案例的量化指标，字段示例：Case Name（案例名称）、TFR（交易频率比）、PSR（头寸调整比）、VaR%（风险价值百分比）、BCI（行为一致性指数）等
- 输出与图表文件：
- LLM_outputs.txt：TXT格式，记录LLM生成的诊断提示与干预建议样本，如过度自信案例的反馈内容
- Intervention.PNG、AI-ML-Diagram.PNG、Diagram-2.PNG：PNG格式，包含干预流程、模型架构等图表
适用场景
- 金融科技研究：分析LLMs在交易心理干预中的应用效果
- 行为金融学研究：探究保证金与期权交易中的认知偏差识别方法
- 零售交易策略优化：开发个性化交易行为干预工具
- 金融风险管理：构建基于心理特征的交易风险预警模型
