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，一場名為“AI Trading Battle”的實驗在海外社交媒體上火了。主辦方給六個主流大模型（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“AI 交易秀”原本旨在展示智能的金融潛力，卻反而揭示了一個更深層的問題：當(dāng)面對復(fù)雜而動態(tài)的金融環(huán)境時，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)隊發(fā)表的最新論文，則是關(guān)于這類問題給出了一個答案。

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)會了“有理有據(jù)地思考”。

研究團(tuán)隊基于覆蓋中國 A 股市場的大規(guī)模數(shù)據(jù)集，對這一方法進(jìn)行了系統(tǒng)驗證。結(jié)果表明，RETuning 不僅顯著提升了預(yù)測準(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

在這項研究中，作者利用中國 A 股市場的大規(guī)模股票走勢預(yù)測數(shù)據(jù)集，對他們提出的RETuning（反思式證據(jù)調(diào)優(yōu)）方法進(jìn)行了系統(tǒng)驗證，結(jié)果表明這種方法確實顯著提升了大語言模型在金融預(yù)測任務(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)測股票“上漲、持平、下跌”中取得了明顯優(yōu)勢。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)分股票走勢方向，還能在不同類別之間保持更平衡的預(yù)測效果。這種提升在金融任務(wù)中非常罕見，因為股票數(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，作者特別測試了模型在時間外數(shù)據(jù)（Out-of-Distribution）上的表現(xiàn)，也就是讓模型預(yù)測它沒見過的股票或未來日期的走勢。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”。

在推理階段的實驗中，RETuning 還展示了另一個有趣的現(xiàn)象：作者嘗試通過“多次思考”來提升預(yù)測質(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，預(yù)測準(zhǔn)確率會顯著提升；但如果次數(shù)太多（超過 32 次），效果反而會下降。換句話說，模型多想幾次確實有助于它更慎重地決策，但思考太多則會帶來冗余和噪聲，說明推理時擴(kuò)展存在一個最佳區(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 模型會主動構(gòu)建一套完整的分析邏輯。它會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。也就是說，它不僅給出結(jié)果，還會告訴你“為什么這么想”。

在人類專家評估中，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告的寫法：會明確說明影響因素、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景。

最后，RETuning 模型在多個指標(biāo)上都優(yōu)于其他對照模型（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)與推理時擴(kuò)展三種思路的優(yōu)勢，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)的實驗過程。RETuning 的實驗過程涵蓋了從數(shù)據(jù)構(gòu)建到模型訓(xùn)練、再到驗證評估的完整流程。

首先，研究團(tuán)隊自己構(gòu)建了一個叫Fin-2024的大規(guī)模數(shù)據(jù)集，用來模擬真實的中國 A 股市場。這個數(shù)據(jù)集非常龐大，包含 5000 多只股票、20 多萬個樣本。每條樣本都整合了來自多個渠道的信息，比如新聞報道、分析師評論、公司財報、量化指標(biāo)、宏觀經(jīng)濟(jì)數(shù)據(jù)，還有類似股票的走勢。然后研究者根據(jù)實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)的文本長度能達(dá)到 3 萬多個詞，讓模型能處理非常長的金融文本。

在此基礎(chǔ)上，研究團(tuán)隊采用了三個階段的訓(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“怎么分析”。它不直接預(yù)測，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)計了一個有三項評分的獎勵機(jī)制：格式正確、預(yù)測準(zhǔn)確、邏輯一致。模型每次生成結(jié)果后，都會根據(jù)這三項標(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時間，他們還引入了課程學(xué)習(xí)（Curriculum Learning）。具體做法是：先讓模型對每個樣本預(yù)測 8 次，根據(jù)預(yù)測正確的次數(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。它會針對同一個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。實驗發(fā)現(xiàn)，這種“多想幾次再決定”的策略，確實能顯著提高預(yù)測的穩(wěn)定性和準(zhǔn)確率。

整個訓(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 實現(xiàn) GRPO。訓(xùn)練數(shù)據(jù)是 2024 年 1 月到 11 月的市場數(shù)據(jù)，測試在 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

綜上實驗可以看出，RETuning 不光提升了模型的預(yù)測準(zhǔn)確率，同時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，讓整個推理過程變得清晰、可信。

其次，研究還驗證了推理時擴(kuò)展這一新思路的可行性。簡單來說，就是讓模型在回答前多想幾次再決定。實驗發(fā)現(xiàn)，適度增加思考次數(shù)能顯著提高準(zhǔn)確率，但思考太多反而會帶來計算開銷大、收益遞減的問題。

另外，RETuning 團(tuán)隊還構(gòu)建了一個覆蓋 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，這項研究也有一些局限性。模型的表現(xiàn)依然會受到市場噪聲和非理性波動的影響，暫時還不適合直接用于實盤交易，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。目前的實驗也只驗證了 A 股市場，未來還需要在不同市場和時間段上進(jìn)一步測試。

未經(jīng)「AI科技評論」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！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。