RETuning：像金融分析師一樣的模型，正在出現(xiàn)。

作者丨鄭佳美

編輯丨馬曉寧

幾天前，一場(chǎng)名為“AI Trading Battle”的實(shí)驗(yàn)在海外社交媒體上火了。主辦方給六個(gè)主流大模型（包括 ChatGPT、Gemini、Claude 等）每人一萬美元的虛擬資金，讓它們自由進(jìn)行加密貨幣交易。結(jié)果讓人大跌眼鏡：截至今天，DeepSeek V3.1 實(shí)現(xiàn)了超過 126% 的驚人盈利率，而GPT 5 和 Gemini 2.5 Pro 跌破 5,000 美元，虧損率超過 50%。

這場(chǎng)“AI 交易秀”原本旨在展示智能的金融潛力，卻反而揭示了一個(gè)更深層的問題：當(dāng)面對(duì)復(fù)雜而動(dòng)態(tài)的金融環(huán)境時(shí)，語言模型知不知道他們“為什么下單”呢？

而由香港科技大學(xué)、美國羅格斯大學(xué)和南開大學(xué)聯(lián)合研究團(tuán)隊(duì)發(fā)表的最新論文，則是關(guān)于這類問題給出了一個(gè)答案。

他們提出了一種名為RETuning的方法，讓大語言模型在做出預(yù)測(cè)前，先搜集證據(jù)、分析邏輯、反思推理，再得出結(jié)論。換句話說，模型不再是“憑直覺判斷”，而是學(xué)會(huì)了“有理有據(jù)地思考”。

研究團(tuán)隊(duì)基于覆蓋中國 A 股市場(chǎng)的大規(guī)模數(shù)據(jù)集，對(duì)這一方法進(jìn)行了系統(tǒng)驗(yàn)證。結(jié)果表明，RETuning 不僅顯著提升了預(yù)測(cè)準(zhǔn)確率，還讓模型的推理過程更清晰、更可信，為金融領(lǐng)域的人工智能研究帶來了新的方向。

01

從準(zhǔn)確率到平衡性的顯著提升

在這項(xiàng)研究中，作者利用中國 A 股市場(chǎng)的大規(guī)模股票走勢(shì)預(yù)測(cè)數(shù)據(jù)集，對(duì)他們提出的RETuning（反思式證據(jù)調(diào)優(yōu)）方法進(jìn)行了系統(tǒng)驗(yàn)證，結(jié)果表明這種方法確實(shí)顯著提升了大語言模型在金融預(yù)測(cè)任務(wù)中的表現(xiàn)。

首先，從總體效果來看，RETuning 模型（如 DeepSeek_R1_14B_SFT_GRPO）在三分類任務(wù)：預(yù)測(cè)股票“上漲、持平、下跌”中取得了明顯優(yōu)勢(shì)。與主流的基礎(chǔ)模型相比（包括 ChatGPT、LLaMA3-8B、Mistral 等），RETuning 的 F1 分?jǐn)?shù)平均高出 10% 到 20%，說明它不僅能更準(zhǔn)確地區(qū)分股票走勢(shì)方向，還能在不同類別之間保持更平衡的預(yù)測(cè)效果。這種提升在金融任務(wù)中非常罕見，因?yàn)楣善睌?shù)據(jù)噪聲大、隨機(jī)性強(qiáng)，能有雙位數(shù)的提升已經(jīng)算是非常顯著的成果。

其次，作者特別測(cè)試了模型在時(shí)間外數(shù)據(jù)（Out-of-Distribution）上的表現(xiàn)，也就是讓模型預(yù)測(cè)它沒見過的股票或未來日期的走勢(shì)。結(jié)果顯示，RETuning 模型在這種“未來數(shù)據(jù)”上的表現(xiàn)依然穩(wěn)定，沒有明顯掉線，說明它具備一定的泛化能力，能適應(yīng)不同時(shí)間段和不同公司的情況，而不僅僅是“記住了訓(xùn)練集”。

在推理階段的實(shí)驗(yàn)中，RETuning 還展示了另一個(gè)有趣的現(xiàn)象：作者嘗試通過“多次思考”來提升預(yù)測(cè)質(zhì)量。具體做法是讓模型在同一問題上生成多次不同的推理過程（即多次采樣），最后再通過多數(shù)投票確定最終答案。結(jié)果發(fā)現(xiàn)，當(dāng)生成次數(shù)在 8 到 16 次之間時(shí)，預(yù)測(cè)準(zhǔn)確率會(huì)顯著提升；但如果次數(shù)太多（超過 32 次），效果反而會(huì)下降。換句話說，模型多想幾次確實(shí)有助于它更慎重地決策，但思考太多則會(huì)帶來冗余和噪聲，說明推理時(shí)擴(kuò)展存在一個(gè)最佳區(qū)間。

此外，RETuning 在可解釋性方面也有明顯進(jìn)步。與傳統(tǒng)的提示式方法（Prompt-Only）不同，RETuning 模型會(huì)主動(dòng)構(gòu)建一套完整的分析邏輯。它會(huì)先從輸入信息中整理出支持“上漲”的證據(jù)和支持“下跌”的證據(jù)，分別進(jìn)行分析，然后再綜合判斷，得出最終預(yù)測(cè)。也就是說，它不僅給出結(jié)果，還會(huì)告訴你“為什么這么想”。

在人類專家評(píng)估中，這種反思式推理輸出被認(rèn)為更有條理、更符合分析師邏輯。相比之下，傳統(tǒng)模型往往只輸出模糊結(jié)論或含糊理由，而 RETuning 的回答更接近人類投資分析報(bào)告的寫法：會(huì)明確說明影響因素、權(quán)衡證據(jù)并形成理性的判斷。研究人員指出，這種變化不僅提升了模型的可信度，也讓 LLM 更適合用于需要解釋性和推理深度的金融場(chǎng)景。

最后，RETuning 模型在多個(gè)指標(biāo)上都優(yōu)于其他對(duì)照模型（如只用提示的模型、僅監(jiān)督微調(diào)的模型、或使用普通強(qiáng)化學(xué)習(xí)的模型），說明它結(jié)合了監(jiān)督微調(diào)、規(guī)則化強(qiáng)化學(xué)習(xí)與推理時(shí)擴(kuò)展三種思路的優(yōu)勢(shì)，是一種綜合改進(jìn)方案，而不是單一技巧。

02

不僅是結(jié)果，更是過程

顯著的性能提升外，是十分系統(tǒng)的實(shí)驗(yàn)過程。RETuning 的實(shí)驗(yàn)過程涵蓋了從數(shù)據(jù)構(gòu)建到模型訓(xùn)練、再到驗(yàn)證評(píng)估的完整流程。

首先，研究團(tuán)隊(duì)自己構(gòu)建了一個(gè)叫Fin-2024的大規(guī)模數(shù)據(jù)集，用來模擬真實(shí)的中國 A 股市場(chǎng)。這個(gè)數(shù)據(jù)集非常龐大，包含 5000 多只股票、20 多萬個(gè)樣本。每條樣本都整合了來自多個(gè)渠道的信息，比如新聞報(bào)道、分析師評(píng)論、公司財(cái)報(bào)、量化指標(biāo)、宏觀經(jīng)濟(jì)數(shù)據(jù)，還有類似股票的走勢(shì)。然后研究者根據(jù)實(shí)際的漲跌幅給樣本打上標(biāo)簽（漲、跌或持平），平均每條數(shù)據(jù)的文本長(zhǎng)度能達(dá)到 3 萬多個(gè)詞，讓模型能處理非常長(zhǎng)的金融文本。

在此基礎(chǔ)上，研究團(tuán)隊(duì)采用了三個(gè)階段的訓(xùn)練流程。

第一步是監(jiān)督微調(diào)（SFT），這一階段的目標(biāo)是讓模型學(xué)會(huì)“怎么分析”。它不直接預(yù)測(cè)，而是先建立分析邏輯：先提出分析原則，再整理出支持和反對(duì)的證據(jù)，最后得出結(jié)論。這里模型使用 DeepSeek 系列作為基礎(chǔ)（7B、14B、32B 參數(shù)量的版本都有），通過 LoRA 微調(diào)來節(jié)省顯存。

第二步是基于規(guī)則的強(qiáng)化學(xué)習(xí)（Rule-based RL），這一步是讓模型變得“更聰明”。研究者設(shè)計(jì)了一個(gè)有三項(xiàng)評(píng)分的獎(jiǎng)勵(lì)機(jī)制：格式正確、預(yù)測(cè)準(zhǔn)確、邏輯一致。模型每次生成結(jié)果后，都會(huì)根據(jù)這三項(xiàng)標(biāo)準(zhǔn)被“打分”，然后通過 GRPO 算法（類似 RLHF 但更穩(wěn)定）不斷調(diào)整策略。

為了避免模型在太容易或太難的樣本上浪費(fèi)時(shí)間，他們還引入了課程學(xué)習(xí)（Curriculum Learning）。具體做法是：先讓模型對(duì)每個(gè)樣本預(yù)測(cè) 8 次，根據(jù)預(yù)測(cè)正確的次數(shù)判斷難度，只保留“中等難度”的樣本訓(xùn)練，并且按照從簡(jiǎn)單到復(fù)雜的順序訓(xùn)練，逐步提高模型的推理能力。

最后一步是推理時(shí)擴(kuò)展（Inference-Time Scaling）。這就像是讓模型在做決定前多思考幾次。它會(huì)針對(duì)同一個(gè)問題生成多種不同的推理路徑（比如 8 次、16 次），然后通過多數(shù)投票選出最終預(yù)測(cè)。實(shí)驗(yàn)發(fā)現(xiàn)，這種“多想幾次再?zèng)Q定”的策略，確實(shí)能顯著提高預(yù)測(cè)的穩(wěn)定性和準(zhǔn)確率。

整個(gè)訓(xùn)練過程在 32 張 NVIDIA H100 GPU 上完成，SFT 階段用了 Xtuner + DeepSpeed 框架，強(qiáng)化學(xué)習(xí)階段則由 verl 實(shí)現(xiàn) GRPO。訓(xùn)練數(shù)據(jù)是 2024 年 1 月到 11 月的市場(chǎng)數(shù)據(jù)，測(cè)試在 2024 年 12 月的樣本上完成，還額外用了 2025 年 6 月的數(shù)據(jù)來測(cè)試模型在未來數(shù)據(jù)上的泛化能力。最終，RETuning 的表現(xiàn)遠(yuǎn)超其他模型，比如 ChatGPT、LLaMA3 和 Mistral，不僅預(yù)測(cè)更準(zhǔn)，還能解釋“為什么這么判斷”。

03

仍有挑戰(zhàn)，但方向明確

綜上實(shí)驗(yàn)可以看出，RETuning 不光提升了模型的預(yù)測(cè)準(zhǔn)確率，同時(shí)也帶來了較為深層的意義。

首先，它讓大語言模型在金融預(yù)測(cè)中變得更可解釋了。RETuning 引入了“反思式證據(jù)推理”，讓模型不只是給出結(jié)果，而是能先找證據(jù)、再分析、最后下判斷，讓整個(gè)推理過程變得清晰、可信。

其次，研究還驗(yàn)證了推理時(shí)擴(kuò)展這一新思路的可行性。簡(jiǎn)單來說，就是讓模型在回答前多想幾次再?zèng)Q定。實(shí)驗(yàn)發(fā)現(xiàn)，適度增加思考次數(shù)能顯著提高準(zhǔn)確率，但思考太多反而會(huì)帶來計(jì)算開銷大、收益遞減的問題。

另外，RETuning 團(tuán)隊(duì)還構(gòu)建了一個(gè)覆蓋 5000 多只股票的大型 A 股數(shù)據(jù)集，為金融類大模型的訓(xùn)練提供了寶貴資源，也為未來在投資情緒分析、經(jīng)濟(jì)新聞理解等方向打下了基礎(chǔ)。

當(dāng)然，這項(xiàng)研究也有一些局限性。模型的表現(xiàn)依然會(huì)受到市場(chǎng)噪聲和非理性波動(dòng)的影響，暫時(shí)還不適合直接用于實(shí)盤交易，而訓(xùn)練和推理階段的算力消耗都比較高，尤其是在強(qiáng)化學(xué)習(xí)和多輪采樣階段。目前的實(shí)驗(yàn)也只驗(yàn)證了 A 股市場(chǎng)，未來還需要在不同市場(chǎng)和時(shí)間段上進(jìn)一步測(cè)試。

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來源并插入本公眾號(hào)名片。