When Reasoning Fails: Evaluating “Thinking” LLMs for Stock Prediction
创建于 更新于
摘要
本报告基于印度NIFTY成分股，评估“Thinking”大型语言模型（TLLM）与直接LLM及经典模型在短期股价排序任务的表现，发现固定推理预算下TLLM性能随复杂度提升显著下降且波动较大，需校准与融合稳定。交易成本考虑后，TLLM不优于基准方法，表明现阶段TLLM尚未适合替代传统或直接模型，需扩大推理预算或调整目标函数以匹配金融数据特性 [page::0][page::10][page::13]
