arXiv cs.CL· Jiacheng Guo, Suozhi Huang, Shuzhen Li, Yunlong Gao, Zerui Cheng, Jason Ge, Shushu Liang, Zihao Li, Hao Lu, Ming Yin, Shilong Liu, Jiashuo Liu, Xu Kuang, Mengdi Wang·· 9 小时前AI 评分38
语言模型能否学会预测股价?研究者构建 BETA 沙盒并用智能体强化学习训练出 AURA
Can Language Models Learn to Forecast Stock Prices?
AI 导读
研究者构建 BETA 沙盒,让模型调用工具检索决策日前可得的价格、指标与新闻,再预测标普 500 个股未来收益,发现前沿模型存在测试期越近分数越低、过度预测上涨、预测幅度偏小三个弱点。
正文 · AI 翻译
作者:Jiacheng Guo、Suozhi Huang、Shuzhen Li、Yunlong Gao、Zerui Cheng、Jason Ge、Shushu Liang、Zihao Li、Hao Lu、Ming Yin、Shilong Liu、Jiashuo Liu、Xu Kuang、Mengdi Wang
摘要:我们研究语言模型能否通过训练学会预测股票收益。我们构建了 BETA,一个针对 S&P 500 股票的时间顺序沙盒,模型在其中调用工具来检索截至决策日期可获得的股价、指标和新闻,然后预测该股票的未来收益。在该沙盒中评估前沿模型揭示了三个弱点:随着测试期接近当前,它们的得分下降,而简单的动量基线保持稳定;它们预测上涨的频率远高于实际上涨发生的频率;并且它们预测的变动幅度远小于实际实现的变动幅度。我们首先对经过筛选、由事后视角生成的历史任务工具使用轨迹进行微调,这些任务被判定为可根据当时可获得的证据进行预测。然后我们应用强化学习,其奖励基于实际实现的收益。在 RL 过程中,长时间调查经常超出上下文窗口。因此我们引入了一种选择性压缩工具,允许模型压缩其交互历史中选定的部分。选择性压缩会改变后续决策可用的上下文,因此策略更新必须保留每个动作生成时所处的上下文。同时,各 rollout 在可训练轮次的数量和长度上差异很大,使得共享的组级基线效果较差。我们通过 Context-Aligned Turn-Level PPO 应对这些挑战,该方法使用轮级 critic,并利用每一轮的实际上下文计算策略更新。由此得到的模型(我们称之为 AURA)显著减少了全部三个弱点。训练将 8B 模型的得分从 24.0 提升到 47.0,将 30B 模型的得分从 27.4 提升到 54.7,后者在我们的基准上超越了所有评估过的前沿模型,并在最近的测试期取得了最大优势。这些结果表明,智能体 RL 可以提升在具有噪声、延迟的真实世界结果的任务上的表现。
| 评论: | 21 页,10 张图 |
| 主题: | 计算与语言(cs.CL) |
| 引用为: | arXiv:2609.36914 [cs.CL] |
| (或 arXiv:2609.36914v2 [cs.CL] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2609.36914 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Jiacheng Guo [查看邮箱]
[v1]
2026 年 9 月 29 日星期二 07:34:39 UTC(352 KB)
[v2]
2026 年 11 月 17 日星期二 11:47:09 UTC(526 KB)
来源:arXiv cs.CL · arxiv.org