让大语言模型（LLM）预测股市——这个想法听起来既诱人又可疑。诱人是因为 LLM 展现出了惊人的模式识别和推理能力；可疑是因为股市本质上是一个非平稳、高噪声、充满反身性的复杂系统，任何声称能”准确预测”的说法都值得警惕。
但”预测”不等于”预言”。量化金融中的预测，从来不是预知明天的收盘价，而是对概率分布的估计——明天的收益率有多大可能在什么区间？上涨的概率是 55% 还是 60%？这个微小的概率优势，乘以足够多的交易次数，就是超额收益的来源。
那么，如何训练一个大模型，让它在这个意义上成为股市”预测专家”？本文拆解从预训练到部署的五阶段完整路径。
Phase 1：预训练——让模型”读懂”金融世界#
通用大模型虽然在互联网文本上博览群书，但对金融领域的专业语义理解存在明显短板。金融文本有其独特的语言体系——“多头""空头""升水""贴水""β 中性”——这些术语在通用语料中出现频率很低。
金融预训练的核心工作是构建高质量的领域语料库。这包括：上市公司的年度报告和季度公告（最权威但也可能存在管理层语调偏差）、卖方研究报告（逻辑框架清晰但需注意利益冲突）、财经新闻和公告（时效性最强但噪声也最大）、分析师电话会议记录（口语化但包含丰富的非结构化信息）。
在技术路线上，目前有两种主流选择：一种是从头训练一个金融专用小模型（如 BloombergGPT，约 500 亿参数），另一种是在开源通用模型基础上进行继续预训练（Continue Pre-training）。后者的性价比更高——用一个优秀的基座模型（如 LLaMA 或 Qwen），在金融语料上继续训练数十亿 token，既能保留通用推理能力，又能注入金融知识。
一个关键的技术细节是时间切片（Time Slicing）——训练数据必须严格按照时间顺序排列，并确保验证集的时间窗口在训练集之后。这看似简单，但做不好就会导致严重的前瞻偏差（Look-ahead Bias），让模型在回测中表现出色、实盘中一败涂地。
Phase 2：金融微调——从通才到专才#
预训练让模型”读过”金融文本，但”读懂”和”会做”之间还有巨大的鸿沟。微调阶段的目标是让模型掌握具体的金融任务能力。
**指令微调（Instruction Tuning）**需要构建多样化的金融任务数据集。典型的任务包括：从年报中抽取关键财务指标（NER/NERD）、判断财报电话会议的管理层情绪（情感分析）、将非结构化的央行声明映射为具体的政策预期（文本分类）、基于给定的财务数据生成投资摘要（文本生成）。
数据质量远比数据量重要。一个常见的陷阱是使用 GPT-4 生成微调数据——这会让你的模型继承 GPT-4 的偏差和幻觉，而不是学习真正的金融推理能力。更好的做法是让有经验的金融分析师标注少量高质量样本，然后通过数据增强技术扩展。
Phase 3：预测能力注入——让模型理解”数字”#
这是最关键也最具挑战性的阶段。LLM 擅长处理文本，但股市预测本质上是时间序列建模问题——价格、成交量、技术指标、宏观经济数据都是数字。
解决这个问题有三种主要思路：
文本化数值是将所有数值数据转换为自然语言描述。例如，“过去 20 个交易日中，该股票上涨 14 天，平均涨幅 1.2%，最大回撤 5.3%“。这种方法的优势是零门槛——任何 LLM 都能直接处理——但信息密度低，长序列的 token 消耗巨大。
多模态架构是给 LLM 增加一个专门的数值编码器。将价格序列通过一个轻量级的 Transformer 或 TCN（时序卷积网络）编码后，与文本 token 的 embedding 拼接，一起输入 LLM。这相当于让 LLM 同时拥有”语言脑”和”数字脑”——目前金融 LLM 领域最活跃的研究方向。
**工具调用（Tool Use/Function Calling）**是让 LLM 不直接处理原始数值，而是调用外部的量化模型和数据库。LLM 负责高层推理——理解用户意图、选择分析框架、解释结果——而具体的数值计算由专门的量化引擎完成。这种”LLM 作为调度中心”的架构在实际落地中最受欢迎。
Phase 4：RLHF 与偏好对齐——让预测更”靠谱”#
标准 LLM 的训练目标（下一个 token 预测）与金融预测的目标（风险调整后收益最大化）之间存在根本性的不一致。RLHF（基于人类反馈的强化学习）是弥合这一差距的关键技术。
在金融场景中，反馈信号可以来自多个来源：人类交易员对模型输出质量的评分、历史回测中不同预测的实际表现（预测越准的得到更高奖励）、风险合规约束的满足程度。
一个前沿方向是直接偏好优化（DPO）——相比传统的 RLHF 需要训练一个单独的奖励模型，DPO 直接从偏好对中学习，训练更稳定、计算成本更低。在金融预测任务中，可以构建”好预测 vs 差预测”的偏好对，让模型直接学习哪种输出风格更有价值。
Phase 5：部署与持续学习#
部署阶段的挑战同样不容小觑。金融市场的分布漂移（Distribution Shift）比大多数 NLP 任务严重得多——一个在牛市中训练的预测模型，遇到熊市可能完全失效。
在线学习是应对这一挑战的关键。模型需要在接收到新数据后持续更新参数，同时避免”灾难性遗忘”。这通常通过小批量的经验回放（Experience Replay）和弹性权重巩固（EWC）等技术实现。
推理延迟是另一个实际约束。在分钟级甚至秒级的预测场景中，一个 700 亿参数的模型根本无法满足延迟要求。知识蒸馏（Knowledge Distillation）——用大模型教小模型——是目前最实用的解决方案。
冷静的结语#
大模型为金融预测带来了新的可能性，但它不是魔法。再强大的 LLM 也无法预测黑天鹅事件，也无法消除市场的内在不确定性。最务实的定位是：把 LLM 看作一个强大的”信息处理引擎”——它帮你更快地消化海量信息、更系统地梳理分析框架、更及时地发现异常模式，但最终的投资决策，仍然需要人类的判断来兜底。
在这个意义上，训练 LLM 做股市预测的最好方式，可能不是追求更高的预测准确率，而是让它成为一个更好的”研究助手”——一个不知疲倦、知识广博、逻辑清晰的协作者。
