Grok 2
2025年使用大型语言模型（LLMs）进行股票交易的可靠性是一个复杂话题
- 研究发现，LLMs能够分析大量数据并生成见解，但其直接交易决策的可靠性仍受质疑
- 不同LLMs的交易风格和决策行为存在差异，受其内在偏见和训练数据影响
- 尽管某些模型在生成超额收益方面表现良好，但其表现不稳定，无法保证持续优于市场
- 实际应用中，LLMs更多用于数据处理、情感分析和策略制定，而非直接交易决策
- X平台上的用户认为，LLMs在金融数学和分析方面能力有限，建议在使用时结合人工干预
- 主要挑战包括LLMs难以全面理解市场动态、宏观经济因素和监管变化，以及模型偏见问题
- 因此，LLMs在2025年应谨慎用于股票交易，最好作为包含人工判断、传统分析和风险管理策略的辅助工具
Claude
- LLM在股票交易中存在一些重要考虑
- LLM基于历史数据训练，无法预测未来市场走势，可能产生幻觉和偏见，且无法获取实时市场数据或直接执行交易
- 股市受多种因素影响，复杂且不可预测
- 金融市场受严格监管，使用AI交易需遵守证券法律和透明度要求
- 更可靠的方法是将LLM作为综合交易策略中的工具之一，结合传统金融分析和风险管理，并与懂AI和市场的专业金融人士合作，验证LLM生成的分析