LLMs for Time Series: an Application for Single Stocks and Statistical Arbitrage
创建于 更新于
摘要
本报告通过应用基于11百万参数的Chronos大语言模型(LLM)对美国最大的单只股票残差收益率时间序列进行预测，构建多空投资组合并进行回测实证，发现LLM能够捕获市场中的微弱非随机性，实现显著的阿尔法生成，表现优于部分传统模型，但因高交易成本导致净收益显著下降。研究还对比了预训练和微调模型的表现，确认微调步骤对提升短期预测效果有帮助，且与经典短期反转策略对比中展现了不同捕获的市场机会，指出了LLM未来在金融领域的潜力及改进空间 [page::0][page::2][page::8][page::9]
