Qwen3外显股票收益预测叙事

研究者在arXiv提出面向横截面股票收益预测的大语言模型叙事框架，使用Qwen3-32B-Instruct，将六个月XGBoost时间SHAP重要性变化及历史相似阶段作为证据，生成对收益预测的解释。研究通过逐步提供原始SHAP序列、确定性时间描述和特征关系进行受控比较。 结果显示，加入这些证据后，模型的证据忠实度从0.696提升至0.996；历史相似阶段未提高结构化自动忠实度，但人工实用性评分更高。该研究评估的是解释生成框架，不等同于已证明股票预测收益提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。