AI交易：評估大型語言模型在技術市場分析中的應用
一篇系統評估五個大型語言模型（LLM）在技術市場分析中表現的研究論文，發現GPT-4 Turbo實現最高年化收益率和夏普比率，而FinGPT透過領域微調展現出有競爭力的風險調整後表現。研究還指出了數值幻覺、上下文視窗限制等常見缺陷。
一項來自喬治亞理工學院的最新研究對五種主要的大型語言模型（LLM）在技術市場分析中的能力進行了系統性評估。這五種模型包括OpenAI的GPT-4 Turbo、Anthropic的Claude 3 Opus、Google的Gemini 1.5 Pro、Meta的Llama 3 70B以及領域專用模型FinGPT。該研究由Geofrey Ntale在其碩士論文中完成，已於2026年7月提交至arXiv預印本平臺，編號為arXiv:2607.15414。
研究設計了四項結構化任務來評估模型效能：基於OHLCV資料的蠟燭圖模式識別、方向性訊號生成（買入、賣出或持有）、透過模擬執行流水線進行訊號質量回測，以及金融報告理解。實驗採用了多種嚴格量化指標，包括夏普比率、最大回撤、索提諾比率、資訊係數、F1分數和BLEU分數。模擬回測結果表明，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憑藉其領域特定的微調展現出極具競爭力的風險調整後表現。在測試條件下，這兩個模型均超越了被動型標普500指數基準。然而，研究也揭示出所有評估模型都存在持續的失敗模式，主要包括數值幻覺——模型生成不準確的財務數字、上下文視窗限制——無法充分利用長序列資料，以及在橫盤市場中的表現不穩定。
研究結論強調，儘管LLMs在AI交易系統中展現出真正的應用潛力，但要實現穩健部署仍需謹慎的任務分解、嚴格的回測協議以及領域感知的微調策略。這項研究為金融領域從業者和AI研究者提供了關於LLM在技術分析中應用的重要參考，同時也指出了當前模型的侷限性，為未來的改進方向奠定了基礎。