摘要：Wind数据显示，截至8月29日，A股两融余额报22613.49亿元，融资余额报22454.72亿元，均创逾10年新高。8月13日—8月29日，A股连续13个交易日成交额与两融余额均超2万亿元。

近日，A股开启多轮上涨走势。促使交易量持续活跃。

Wind数据显示，截至8月29日，A股两融余额报22613.49亿元，融资余额报22454.72亿元，均创逾10年新高。8月13日—8月29日，A股连续13个交易日成交额与两融余额均超2万亿元。

大牛市下，如何赚钱又成了A股投资者们热议话题。不久前，清华大学开源了一款能预测K线指标的工具，短时间内在GitHub上获得超过3000星标。甚至有评价称该工具能让使用者掌握量化机构的策略，从而引发了大量投资者的关注。

第一款K线预测模型横空出世

据了解，Kronos将大模型的预训练微调范式引入到时间序列领域，并形成了时间序列基础模型(TSFM)，被认为是第一款开源的金融 K 线基础模型。

其通过来自 45 家全球交易所的超过 120 亿条 K 线记录的海量多市场语料库进行预训练，经过测试，在各种财务任务的零样本环境中表现出色。

在一次测试中，将Kronos与25个基线模型进行严格比较，基线模型涵盖四种范式：非预训练全镜头模型（如iTransformer）、零样本时间序列基础模型（如TimeMOE）、经济计量波动率模型（如GARCH）和生成时间序列模型（如DiffusionTS）。

结果显示，Kronos在基准数据集上，价格序列预测 RankIC 提高了 93%，比最佳非预训练基线提高了 87%。它还实现了波动性预测的 MAE 降低 9%，合成 K 线序列的生成保真度提高了 22%。

不过，有使用者在实际使用后，却发现其并不能如预想的那样准确预测K线走势。例如有投资者在预测当天贵州茅台(SH600519)股价时，发现Kronos的预测走势与实际走势完全背离。

争议点和难点

AI大模型是否能用来做量化？目前，利用大模型预测股价走势，一直是被行业所争议的话题。

虽然大模型的生成能力愈发强大，但仍依赖于过往的训练数据集。而大模型本身也并不能理解自己生成的内容。因此，所谓的K线的预测，或只是照搬了一段时间的历史走势，而非真正意义上的预测。

究其原因便是，金融数据与语言或图像数据不同，其价格序列中包含了大量的随机波动，这种随机的波动往往最终变成“数据噪声”，在数据失真的情况下，大模型往往会产生“过拟合”的现象。表面看似乎找到了价格变化的规律，但在真实的未来预测中却会失效。

也有市场分析人士指出，大模型无法预测股价并非技术原因，而是根植于金融市场一个最基本、也是最残酷的运行法则——策略的“Alpha衰减”

据了解，在投资领域，Alpha指的是一种投资组合策略相对于市场基准所获得的超额回报。而一个有效的策略之所以能够赚钱，是因为它发现并利用了一个暂时未被大多数市场参与者所察觉或利用的市场无效性或某种规律。

然而，金融市场是一个复杂的适应性系统。任何能够稳定盈利的模式，一旦被发现和传播，就会被迅速地套利，直到其盈利空间完全消失。这就是“Alpha衰减”的核心逻辑。

因此，基于大模型的策略，尤其是那些依赖于对某些特定数据（无论是K线、新闻还是财报）的解读方式的策略，尤其容易受到Alpha衰减的影响。因为一旦其核心逻辑或模型结构被公开，任何人都可以利用强大的算力和现成的AI框架，在极短的时间内复制、验证并执行这个策略。这使得这类策略的生命周期被极大地缩短了。

另一方面，在一个本就不规律的震荡市场中，KDJ指标并不能代表市场的真正波动逻辑，这也是无法通过K线找到市场变动规律的原因。而在均值回归理论中，RSV、K线等指标也是毫无意义。

适用于金融领域的大模型会长什么样？

然而，金融大模型是否真的一无是处？

事实上，Kronos并非是金融领域里的第一个AI大模型，2023年，彭博社发布了BloombergGPT，通过大数据分析和机器学习，为客户提供个性化的投资组合建议，获得使用者的一众好评；2024年，国内领先的金融咨询机构万得资讯推出了人工智能助理Alice及其数据库，能依赖万得的金融数据库进行更高效的数据处理和分析；东方财富网也以人工智能技术实现线上线下业务的无缝对接。

在这里案例中，AI自始至终作为一种工具，在金融投资领域也只能起到辅助策略的作用，并非是被大众所期待的预测股价走势的“赚钱神器”。

例如DeepSeek的母公司，国内知名量化私募机构幻方量化投资AI的原因，是为了寻找新的受益来源， 提升数据处理能力，加速策略研发，优化和执行和风控。

而AI工具在金融工作中也越来越回归其工具本质，即帮助投资者进行数据处理、风险预判等辅助工作，而非直接给与数据指标。

许多开发者的思路也逐渐转变，不再执着于训练一个单一的、端到端的预测模型，而是转向构建一个由智能体驱动的自动化分析工作流，通过分解问题、搜集信息、分析推理、得出结论，从而帮助投资者做出投资决策。

不过，金融领域里的诞生一款通用的AI大模型或仍需要较长的孵化时间。

兴业证券分析师徐一洲认为：目前生成式人工智能和金融领域的结合仍处于行业探索期。“其中，个人金融助手和金融信息服务行业主要面向C端个人投资者的属性相关性相对最高。除此之外，行业公司也在探索和包括券商在内 的B端客户的合作模式，如投研领域等。”徐一洲说。

科方得智库研究负责人张新原也认为：人工智能在金融信息服务业的应用，会是一个涉及多个要素的复杂系统。

来源：和讯网