跳到正文
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

查看 PDF HTML(实验性)

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