大语言模型 (LLM) 对决时序模型：日本股票预测基准测试揭示惊人优势research#llm📝 Blog|分析: 2026年4月15日 22:44•发布: 2026年4月15日 09:48•1分で読める•Zenn ML分析这项引人入胜的研究通过将大语言模型 (LLM) 与专用时序模型在日本股票预测中进行对比测试，揭示了金融预测方法上的一个激动人心的转变。令人惊讶的是，像 Claude Opus 这样的模型在实际交易场景中展现出了明显的优越性，显示了LLM在传统文本生成之外的巨大潜力。这种将语言模型应用于复杂量化任务的创新方法，为人工智能驱动的交易策略未来开启了令人振奋的新机遇。关键要点•在为期100天的日本股票预测回测中，像 Claude Opus 这样的大语言模型 (LLM) 表现优于专用的时序模型。•虽然专用的 Kronos 模型在方向预测准确率上略高（51.5%），但 LLM 在预测实际股价（约3%的平均绝对百分比误差）方面要准确得多。•该研究展示了将先进的大语言模型用于复杂量化和金融预测任务的激动人心的潜力。引用 / 来源查看原文"「如果将时序专用基础模型（Kronos）和大语言模型（Claude Sonnet/Opus）用于日本股票的短期预测，哪个会更强？」通过对这个简单的疑问进行100天、10只股票的回测验证，得出了LLM相对于专用时序模型具有明显优势这一稍显意外的结论。"ZZenn ML2026年4月15日 09:48* 根据版权法第32条进行合法引用。较旧Hitachi Revolutionizes Trade Security Risk Management with AI Agents, Cutting Screening Time by 60%较新NEC's 'President AI' Dashboard Empowers Executives with Interactive Data Insights and High Praise相关分析research解锁Transformer的魔力：多头注意力机制为何如此有效2026年4月15日 22:44research生成式人工智能内容正在将网络转变为充满创新的欢乐中心2026年4月15日 22:37researchGoodPoint：赋能大语言模型 (LLM) 以提供极具可操作性的科学论文反馈2026年4月15日 22:52来源: Zenn ML