← 返回 PaperDaily 视觉与图像

UIUC提出FinATOM：无头token直接炒股，ETF组合夏普1.428→1.529

同样一个因果语言模型，不加回归头、不加策略头，只靠输出token就把三步收益预测和五ETF动态配置全干了；池化净夏普从1.394提到1.494，2025年多模态优势最猛。想看看语言模型怎么绕过"换任务就换头"的套路直接当金融决策接口？这篇值得一读。

龙哥读论文发布于 2026-08-15 00:20:19 阅读 4 查看原文

#AI金融 #大语言模型 #强化学习 #预测模型

UIUC提出FinATOM：无头token直接炒股，ETF组合夏普1.428→1.529

原论文信息如下：

论文标题:
FinATOM: Financial Numerical Prediction and Allocation as Token Generation

发表日期:
2026年08月

发表单位:
伊利诺伊大学芝加哥分校（University of Illinois Chicago）

原文链接:
https://arxiv.org/pdf/2608.09880v1.pdf

金融预测的困境：为什么回归头不是最优解？

市面上的AI炒股系统，几乎清一色是"语言模型编码信息，然后挂一个任务特定的回归头、排序头或策略头"。预测收益就加回归头，构建组合就加策略头，换一个任务就像换插座一样换一个头。语言模型本身只是个"读题机器"，真正下判断的是后面那个数值头。

这种"多任务多头"架构有几个麻烦：每个任务都要单独设计参数、损失函数、解码器和合法性校验机制；语言模型并不直接表达最终的金融对象。换句话说，模型的"嘴"和"手"是分开的，嘴负责理解，手负责算数，两边各干各的。

FinATOM这篇论文想搞明白一个反常识的问题：能不能让语言模型自己直接吐出数字决策，而不是加一个数值头？也就是让同一个因果语言模型，通过约束token生成的方式，直接输出预测结果和资产配置权重。这听起来很美，但直接把数字当token生成会遇到四座大山：普通数字字符串的token化不规整、数值顺序信息会丢失；无约束解码可能生成畸形预测或违反约束的组合权重；监督目标可能不小心引入未来信息；token交叉熵本身并不直接优化部署时用的收益-风险指标。

FinATOM给出了一个完整的token原生方案：有序数值词表、显式输出语法、连续解码规则、因果监督，以及与下游金融决策对齐的训练目标。这一整套设计，就是本文要解剖的核心。

方法概述：一个无头token接口，两个任务

图1：无头token接口：一个因果语言模型直接发射有约束的预测或配置token，无需任务特定的数值头。

整个FinATOM系统的思路可以浓缩成一句话：同一个Llama 3.2 1B骨干，同一套词表投影，不加任何任务头，用两套不同的输出语法和训练目标，分别应对预测与配置两个任务。

从技术栈来看，FinATOM选择了LoRA适配的Llama 3.2 1B作为骨干。预测任务里，模型读取64个交易日的价格表格数据、风险统计摘要、SEC文件摘要以及FinTexTS新闻（分宏观、板块、相关公司、目标公司四个层级），自回归地依次发射D1、D2、D3连续三天的收益对应的分箱token，再通过每个token分布下的条件期望还原出连续排名分数。配置任务里，模型读取20天可见收益窗口、风险与相关性统计、宏观新闻以及上一期的组合状态，直接发射五个ETF的多头权重token，归一化后就是实际执行的仓位。

如果把整个训练流程拆开，可以看到一条清晰的流水线：先做因果SFT，让模型学会说"金融话术"；再做DAPO增强的GRPO，让模型直接优化金融目标。SFT阶段用的是严格因果的均值-方差锚点目标，这个锚点只使用决策日可观测到的信息来构建，然后经过收缩和确定性量化，最终成为监督信号。策略优化阶段则是在一个单轮策略阶段里，让模型采样合法配置序列，用实现的21天夏普比率作为奖励，同时用锚点一致性惩罚来防止模型飘太远。未来收益只出现在策略奖励里，不出现在prompt里，也不出现在SFT监督目标里——这是整个因果设计的底线。

用一张表可以清楚看到两个任务的不同"契约"：

*表格超出部分左右可以滑动

图5

共享接口的价值在于：同一个骨干、同一套词表投影、同一种训练管线，可以同时支撑两类语义完全不同的数值任务。配置任务考验的是接口对"联合受限动作"的生成能力，预测任务考验的是接口对"有序未来路径"的编码能力。

从模仿到优化：DAPO增强GRPO如何提升投资组合Sharpe？

FinATOM在配置任务上的训练采用了一个非常重要的两步走设计：先用SFT学会"像老师一样说话"，再用策略优化学会"比老师更会赚钱"。这里的"老师"是什么？是一个严格因果的均值-方差锚点目标，它只用决策日t之前可观测的数据构造。

具体来说，配置任务使用的资产池是五只ETF，按固定顺序排列：GLD（黄金ETF）、SPY（标普500ETF）、TLT（美国长期国债ETF）、UUP（美元指数ETF）、XLE（能源板块ETF）。前20个交易日的收益窗口记为R_t，算样本均值 μ_t 和协方差 Σ_t ，求解一个带约束的优化问题：

该式第一项是年化波动率（乘sqrt(252)），第二项是年化收益项（系数0.05），第三项是上一期锚点权重的L1换手惩罚。约束集合W要求权重非负、和为1、单只上限50%。这个优化目标的意义是：在控制波动和换手的前提下追求收益，产出一个"老师的答案"。得到连续解w̃_t后，再做一个收缩和量化处理：

收缩：0.85×老师解 + 0.15×等权重，防止极端仓位。量化：在50单位的整数网格上使用最大余数法配平，强制1000单位预算并且每只资产至少1个网格步长。最终的量化解就是SFT阶段逐token监督学习的标准答案。

SFT阶段的目标答案长这样：<|GLD><250><200>...<150>。每个token（包括边界、ETF标签、网格值）都计算序列交叉熵，同时五个值槽位还有一个额外的高斯序数交叉熵损失，让模型学到"250比240更接近目标260"这种数值顺序关系：

到这里，模型已经学会了"说人话"，但还不一定会"赚大钱"。SFT的老师本身是均值-方差启发式，它并不是最优策略。于是FinATOM引入策略优化阶段，目标改成直接最大化未来21天的夏普比率。这里的训练采用DAPO增强的GRPO算法。GRPO的全称是Group Relative Policy Optimization（群体相对策略优化），核心思想是不用单独的价值网络（ critic ），而是在同一个prompt的一组采样里计算相对优势，从而大幅降低训练开销。DAPO（Decoupled Clip and Dynamic sampling Policy Optimization，解耦裁剪与动态采样策略优化）则在此基础上引入了解耦的Clip-Higher机制和token级别的策略梯度更新。

具体地，每个决策日采样G=8条合法配置序列，用第21天的实际收益计算每条序列的奖励。奖励函数的设定很有讲究，它不只看夏普，还加了一个锚点一致性惩罚项：

也就是说，如果策略生成的权重偏离SFT的老师锚点太远，哪怕夏普高也会被扣分。未来收益只在奖励里出现，prompt和SFT目标中完全看不到，这从机制上掐断了信息泄漏。每组采样内部的相对优势用组内均值和标准差做标准化：

然后把标准化的优势代入一个带不对称裁剪的token级目标函数：

这里 p_{tℓ}^g 是新旧策略的似然比，m_{gℓ} 是有效token掩码。裁剪范围设定在上限1.28、下限0.80，这是一种不对称裁剪——放大正向更新上限，压制负向更新下限，避免奖励噪声导致策略崩塌。训练全程保留行为KL早停阈值0.03，但参考模型的KL惩罚系数设为0，也就是说不需要额外的参考网络。

图2：配置架构图。三条流水线从左到右：部署（Deployment）直接用prompt生成合法配置；SFT通道用可见信息构建均值-方差锚点；策略通道用未来21天收益做奖励，更新同一套语言模型参数。未来收益只出现在策略奖励中，SFT目标里完全没有。

预测任务同样有策略优化阶段，但目标函数更复杂，由五部分加权组合而成：D1单日收益、三日路径收益、方向正确性、截面排序能力、top 20选股能力。这个机制与配置任务不同，用的是带参考KL惩罚的裁剪token-PPO更新，而不是零参考KL的DAPO增强GRPO。论文只做了单轮策略阶段，评估结果显示它对SFT的改善幅度相对有限。

实验结果解读：多模态优势为何集中在2025年？

实验设计是滚动时间窗的三段式样本外测试：每次训练集扩大一年，测试集依次是2023全年、2024全年、2025年1月到10月。这种设计的好处是不断用新数据刷新训练集，更贴近真实投资场景中模型持续更新迭代的节奏。

表2：样本外五ETF结果。"Policy"表示DAPO增强GRPO从SFT初始化开始训练。收益和波动率均已年化；因果目标是数值参考而非学习的策略；2025年测试截至10月31日。

从表2里能读出几个关键信息。第一，策略阶段在2023年几乎没带来任何提升（夏普都是1.404），但从2024年开始发力，夏普从1.445提升到1.564，2025年更是从1.474提升到1.653。这说明策略优化在不同市场环境下收益差异很大，并不是"RL一上就万事大吉"。第二，2024年策略的夏普（1.564）已经超过了均值-方差老师（1.407），说明策略优化不是简单模仿老师，而是真正找到了比老师更优的夏普点。第三，等权组合在2024—2025年赚到了更高的年化收益（9.59%和15.72%），但波动率也高出好几个点，最大回撤更深，风险调整后依然不如FinATOM。

表3：跨测试期的组合Sharpe。粗体表示学习策略相对于其SFT初始化的提升；Net 5bp 表示在考虑了5个基点单边换手成本之后的净夏普。

表3的池化视角更有说服力。把所有709个测试日拼起来算：策略优化把毛夏普从1.428提升到1.529，净夏普从1.394提升到1.494，而日均单边换手率只从1.481%微微涨到1.537%（每天多换5.6个基点）。这说明策略提升的来源主要是改善收益-风险权衡，而不是靠频繁交易硬刷收益——这点值得手动点赞，因为很多RL策略的"提升"都是拿换手堆出来的。

图4：分测试期的Sharpe和池化全部709个交易日的Sharpe。策略曲线是DAPO增强GRPO从SFT初始化训练得到的结果。

多模态输入消融实验是本文最值得细品的部分。论文把输入模态分成三个对照组：仅新闻、仅时间序列、新闻+时间序列，三组都保留日期、资产顺序和上一期锚点，只有模态不同。从结果看，时间序列单独使用在2023年和2024年几乎追平了多模态组合（分别只差0.004和0.001），但2025年多模态组合一下子拉开差距：比仅时间序列高0.190，比仅新闻高0.180。

表4：全SFT到策略管线的输入模态消融，度量指标为年化Sharpe。每一组实验都保留日期和上一期因果锚点，最后一列是三个测试期的简单平均。粗体为每列最优值。

怎么解读这个结果？一个合理的推断是：2023和2024年的市场趋势更多由价格动量和波动结构驱动，新闻的增量信息有限；而2025年市场出现了一些新闻端强信号驱动的行情（比如政策转向、地缘事件、大宗商品异动），把宏观新闻喂给模型，正好弥补了纯价格数据看不见的"叙事变化"。当然，因为每个模态只有一条测试轨迹，这个解释只能算是"场景级推论"，不能当作统计显著的一般性结论。论文自己也把话说得很谨慎：支持的是"市场状态依赖的互补性"，而不是"加新闻永远有效"。

股票预测的FinTexTS对比实验走的是另一个路线：直接在2023年测试集上评估SFT和Policy策略的表现。

表5：2023年股票策略探索性结果。FinATOM SFT与Policy使用同一协议；与已发表FinTexTS系统的对比为上下文对比，因为其测试协议存在差异。

在FinATOM自己的共同协议内，策略阶段把累计收益从73.52%小幅提高到73.72%，夏普从2.68提到2.69。增量很小，说明预测任务里SFT已经学到了绝大部分信号，策略优化只提供微小修正。与FinTexTS原始系统的对比就要小心了：累计收益高出19.74个百分点，但夏普只高0.02。收益差距大而风险调整后差距小，说明两者之间的差异很可能来自复利效应、持仓暴露和回测协议的不同，而不是预测能力有代际差别。FinATOM的代码和数据没有开源，这也是复现时需要留意的地方。

局限与展望：单种子、五ETF与数据泄漏的边界

FinATOM的局限在论文里写得相当诚实。实验只覆盖五只ETF、三段约一年的测试期、2025年还只到10月，且每个实验设置只跑了一个随机种子。这属于"可行性证明"级别的工作，距离"通用稳健策略"还有差距。

数据泄漏控制方面，FinATOM做了三层防御：第一，prompt中的任何字段时间戳都不晚于决策日t；第二，因果锚点的计算在每次实验中顺序推进，上一期的锚点状态不会从测试期反向污染训练期；第三，未来21天收益只进入策略奖励，prompt和SFT目标里都没有。不过要提一个容易被忽略的点：Llama 3.2的预训练数据截止时间是2023年12月，也就是说2023年的测试数据和预训练语料有重叠，2024—2025年的数据则完全在截止之后。作者指出2023年的结果需要更谨慎地解读，因为存在预训练阶段"记忆"测试事件的可能性，尽管模型卡并未显示有针对ETF数据的专门训练。

未来方向其实已经写在论文的展望里了：更大范围的资产池、更多随机种子、更长的测试周期、更精细的交易成本建模，以及校准分析和非平稳市场下的表现归因。其中校准问题尤其值得关注——token生成模型天然倾向于"模态坍缩"，即概率集中在少数几个分箱上，这会不会让预测分数失去细粒度？FinATOM用条件期望解码缓解了这个问题，但真正的答案需要更系统的校准实验来回答。

另外，有一个细节值得关注：作者没有声称完成了预测任务的策略优化结果。图3中明确写着"no completed forecasting policy-stage result is claimed"，但表5又报告了Policy的73.72%累计收益。细看可以发现，这个Policy只是一轮token-level策略微调，而不是完整的多轮RLHF式训练循环。这也解释了为什么预测策略的增益相对温和。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在解决什么问题？FinATOM用一个无任务头token接口同时完成三步股票收益预测与五ETF配置：先模仿因果均值-方差锚点，再用DAPO增强GRPO直接优化21天夏普。

这篇工作最值得看的点是什么？配置策略将池化毛Sharpe从1.428提升至1.529，净Sharpe从1.394提升至1.494；多模态输入在三个测试期平均Sharpe达1.540；FinTexTS上SFT和策略分别达到73.52%/2.68和73.72%/2.69的累计收益/Sharpe。

这篇工作的边界或风险在哪里？优点：(1) 统一的head-free token接口设计新颖，避免了任务特定头的碎片化；(2) 严格的因果性控制（训练目标仅使用可见信息，未来收益仅进入策略奖励）；(3) 实验设计严谨，包含时间顺序扩展实验、输入模态消融和池化评估。缺点：(1) 仅使用单一训练种子，缺乏统计显著性检验；(2) 资产池仅限5只ETF，泛化性存疑；(3) 与FinTexTS的对比因协议不同仅为上下文性比较；(4) 2023年测试与Llama 3.2预训练截止时间重叠，存在潜在数据污染风险。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

提出一种无任务特定数值头的统一约束token生成接口，使因果语言模型直接通过有序数值词汇表、显式输出语法和连续解码规则，同时完成三步股票收益预测与五ETF动态资产配置。

实验合理度：★★★★☆

年化收益率、年化波动率、Sharpe比率、最大回撤、累计收益率、净Sharpe（5bp交易成本模型）。

学术研究价值：★★★★☆

提出一种无任务特定数值头的统一约束token生成接口，使因果语言模型直接通过有序数值词汇表、显式输出语法和连续解码规则，同时完成三步股票收益预测与五ETF动态资产配置；更关键的是问题定义是否可复用到同类任务。

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

推理时为单日约十几个answer token的约束生成，在bfloat16精度下可在单GPU上运行；训练为5轮SFT加1轮策略优化，数据规模为约5年日频数据。

复现难度：★★★☆☆

现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：(1) 仅使用单一训练种子，缺乏统计显著性检验；(2) 资产池仅限5只ETF，泛化性存疑；

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！