一项来自乔治亚理工学院的最新研究对五种主要的大型语言模型（LLM）在技术市场分析中的能力进行了系统性评估。这五种模型包括OpenAI的GPT-4 Turbo、Anthropic的Claude 3 Opus、Google的Gemini 1.5 Pro、Meta的Llama 3 70B以及领域专用模型FinGPT。该研究由Geofrey Ntale在其硕士论文中完成，已于2026年7月提交至arXiv预印本平台，编号为arXiv:2607.15414。
研究设计了四项结构化任务来评估模型性能：基于OHLCV数据的蜡烛图模式识别、方向性信号生成（买入、卖出或持有）、通过模拟执行流水线进行信号质量回测，以及金融报告理解。实验采用了多种严格量化指标，包括夏普比率、最大回撤、索提诺比率、信息系数、F1分数和BLEU分数。模拟回测结果表明，GPT-4 Turbo在通用模型中取得了最高的年化收益率和夏普比率，而FinGPT凭借其领域特定的微调展现出极具竞争力的风险调整后表现。在测试条件下，这两个模型均超越了被动型标普500指数基准。然而，研究也揭示出所有评估模型都存在持续的失败模式，主要包括数值幻觉——模型生成不准确的财务数字、上下文窗口限制——无法充分利用长序列数据，以及在横盘市场中的表现不稳定。
研究结论强调，尽管LLMs在AI交易系统中展现出真正的应用潜力，但要实现稳健部署仍需谨慎的任务分解、严格的回测协议以及领域感知的微调策略。这项研究为金融领域从业者和AI研究者提供了关于LLM在技术分析中应用的重要参考，同时也指出了当前模型的局限性，为未来的改进方向奠定了基础。