🤖 machine learning

Do VLMs Truly "Read" Candlesticks? A Multi-Scale Benchmark for Visual Stock Price Forecasting

该论文针对现有视觉语言模型在股票预测中缺乏对多尺度蜡烛图模式理解评估的问题，构建了包含多尺度蜡烛图数据集与标准化评估框架的新基准，实验表明当前模型仅在持续趋势下表现尚可，但在常见市场场景中预测能力薄弱且存在显著偏差与时序推理局限。

原作者： Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

发布于 2026-04-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在给现在的"AI 算命大师”（视觉语言模型，VLMs）做一场严格的“看图识股”考试。

以前的研究总是把 AI 扔进一个充满各种信息的“大杂烩”里（既有 K 线图，又有新闻、财报、社交媒体评论），然后问 AI：“明天股票涨还是跌？”如果 AI 答对了，我们根本不知道它是因为看懂了 K 线图，还是因为偷看了新闻里的提示。

这篇论文的作者们决定把“作弊”的可能性降到最低，专门设计了一套纯视觉的考试，看看 AI 到底是不是真的能像人类交易员一样，通过看 K 线图来预测股价。

以下是用大白话和比喻对这篇论文的解读：

1. 为什么要搞这个考试？（背景与痛点）

以前的“大杂烩”问题：以前的 AI 测试就像让一个学生做数学题，但题目旁边还写着答案的提示语。学生做对了，你不知道他是真会算，还是靠猜提示语蒙对的。
人类交易员的“独门秘籍”：真正的高手看股票，不会只看一张图。他们会看日线图（看短期波动，像看今天的天气）和周线图（看长期趋势，像看季节变化）。只有把“短期”和“长期”结合起来，才能判断是“暂时的回调”还是“真正的反转”。
AI 的短板：现有的 AI 要么看不懂图，要么只能看单张图，没法像人一样同时结合“短期”和“长期”的视角来思考。

2. 他们是怎么出题的？（数据集构建）

作者们建立了一个**“纯净版”的 K 线图题库**：

只给图，不给字：每道题只给两张图：一张日线图（短期）和一张周线图（长期）。没有文字新闻，没有财务报表，只有红红绿绿的蜡烛图（K 线）。
时间跨度：数据涵盖了从 2015 年到 2025 年的中国（沪深 300）和美国（标普 500）股市，包含了牛市、熊市和震荡市等各种情况。
考试目标：让 AI 根据这两张图，预测30 天后这只股票是涨还是跌，以及大概涨多少。

3. 考试结果怎么样？（核心发现）

作者找来了市面上最火的几个 AI 模型（比如 GPT-4o, Claude, Gemini, Qwen 等）来参加考试，结果发现了一些有趣的现象：

🌟 亮点：AI 真的“看”懂了点东西

比传统方法强：在预测的稳定性上，这些 AI 模型比传统的数学模型（比如 XGBoost）表现更好。
视觉有优势：K 线图把复杂的数字变成了图形，AI 利用它原本擅长的“认图”能力（比如识别形状、模式），反而比死磕数字表格的模型更灵活。这就像让一个擅长认路的司机看地图，比让他背经纬度坐标要快得多。

⚠️ 槽点：AI 还是有很多“笨”地方

只会看“顺风局”：
- 如果股票处于明显的上涨或下跌趋势（比如一直涨或一直跌），AI 猜得挺准。
- 但在震荡市（上上下下没规律）或者转折点，AI 就经常“迷路”，预测能力大幅下降。
记不住“长短期”的区别：
- 虽然题目给了日线（短期）和周线（长期），但 AI 似乎更关注短期。它预测 30 天的结果，往往和 5 天的短期走势相关性更高。这说明它还没学会“站得高看得远”，容易被眼前的波动带偏。
容易“悲观”或“乐观”：
- 有些模型天生喜欢猜涨（乐观），有些喜欢猜跌（悲观）。比如，AI 在判断“会不会跌”时，比判断“会不会涨”要准得多（擅长识别风险，不擅长捕捉机会）。
没学会“时间感”：
- 题目要求预测 30 天后的结果，但 AI 往往只盯着最近几天的图看，缺乏对长期趋势的深刻理解。

4. 结论与启示

AI 不是全知全能的神：目前的 AI 在看 K 线图时，更像是一个**“短线交易员”，擅长捕捉短期的技术信号，但还不太像一个“战略投资者”**，难以把握长期的宏观趋势。
未来的方向：
- 不能指望 AI 直接替代人类做长期投资决策。
- 但是，如果把 AI 当作一个**“辅助工具”**，让它帮人类快速识别短期的买卖信号，或者结合人类的长期判断，效果会好很多。
- 就像**“老中医 + 智能听诊器”**：AI 负责快速听出心跳的异常（短期信号），人类负责结合经验判断病情（长期趋势）。

总结一句话

这篇论文告诉我们：现在的 AI 确实能看懂 K 线图，但它还是个“急性子”，擅长看短期波动，却还没学会像人类专家那样，把短期波动放在长期趋势中去思考。 想要让它真正“读懂”股市，还需要更多的训练和更聪明的引导。

论文技术总结：VLMs 真的会“读”K 线图吗？——面向视觉股票价格预测的多尺度基准研究

1. 研究背景与问题定义 (Problem)

随着视觉 - 语言模型（VLMs）在金融领域的应用日益广泛，利用 K 线图（Candlestick Charts）进行股票价格预测成为热点。然而，现有的评估基准存在以下核心缺陷，导致无法真实评估 VLMs 对视觉金融信息的理解能力：

模态混淆与归因困难：现有研究多采用高度异构的多模态数据集（结合文本、新闻、表格等），导致无法区分模型的高性能是源于对 K 线图视觉模式的理解，还是主要依赖文本信号。缺乏严格的消融实验来隔离视觉输入的边际价值。
缺乏多时间尺度分析：专业交易员依赖多时间尺度分析（长期趋势定方向，短期波动找拐点），但现有数据集和评估大多基于单周期或表格数据，无法系统评估 VLMs 整合长短期视觉市场动态的能力。
评估指标单一：传统评估多关注分类准确率，缺乏对预测偏差、信息系数（IC）时间序列特性以及不同市场状态下模型行为的深入诊断。

核心问题：VLMs 是否真正具备从多尺度 K 线图中提取视觉特征并进行逻辑推理的能力？其在不同市场情境下的预测表现如何？

2. 方法论与数据集构建 (Methodology)

为了填补上述空白，作者构建了一个标准化的多尺度 K 线图数据集及评估框架。

2.1 数据集构建 (Dataset Construction)

数据来源：涵盖中国 HS300 指数（300 只股票）和美国 S&P500 指数（500 只股票），时间跨度为 2015 年至 2025 年。
视觉模态处理：
- 多尺度输入：每个样本包含同一股票在同一日期的日线图和周线图。
- 图表生成：基于 OHLCV（开高低收量）数据生成标准 K 线图，叠加 MA5（黑）、MA20（蓝）、MA90（紫）移动平均线，并包含成交量子图。
- 去偏处理：仅保留历史数据（截止日前），严格截断未来信息；每张图最多显示 50 根 K 线，确保视觉一致性。
- 目标变量：预测未来 30 天的收益率（ $r_{30}$ ），定义为回归任务（输出范围 [-0.5, 1.0]），而非简单的二分类。
数据规模：共包含约 19.3 万张 K 线样本（日线 + 周线），覆盖牛市、熊市和震荡市等多种市场状态。

2.2 评估框架 (Evaluation Framework)

提示工程 (Prompt Engineering)：设计结构化提示，要求模型扮演“股票趋势分析师”，基于多周期技术分析（K 线形态、均线系统、成交量、拐点等）进行推理，并强制输出标准化数值。
多维评估指标：
1. 混淆矩阵诊断：计算准确率、精确率、召回率、F1 分数等，分析模型在不同市场状态（上涨/下跌）下的行为特征（如假阳性/假阴性分布）。
2. 信息系数 (IC) 分析：使用 IC、Rank IC、ICIR（信息系数比率）评估预测值与实际收益的线性相关性及排序能力，衡量预测的稳定性。
3. 偏差分析：量化模型预测分布与真实分布的偏差（Bias），识别乐观或悲观的系统性倾向。
基线模型：引入 XGBoost 作为基于数值特征的时间序列基线，用于对比纯视觉模型与数值模型的性能。

3. 关键贡献 (Key Contributions)

首个多尺度视觉 K 线图基准：构建了首个专门针对 VLMs 多尺度视觉推理能力的基准数据集，消除了文本干扰，强制模型仅从视觉模式中提取信息。
多维评估体系：超越了传统的准确率指标，引入了混淆矩阵热力图、IC 时间序列分析及预测偏差校准，能够深入剖析模型在不同市场状态下的“行为画像”。
细粒度性能分析：揭示了 VLMs 在极端市场（牛/熊市）和特定股票行为（连续涨/跌）下的表现差异，以及其在时间敏感性上的局限性。

4. 实验结果 (Experimental Results)

研究对 7 种主流 VLMs（如 GPT-4o, Claude, Gemini, Qwen 等）及 XGBoost 进行了基准测试：

整体表现：
- 趋势依赖性强：大多数 VLMs 仅在持续的上涨或下跌趋势中表现良好，在常见的震荡市场中预测能力较弱。
- XGBoost 对比：XGBoost 作为数值基线，表现出更高的稳定性和平均排名能力；但在特定指标（如中位数 IC）上，部分 VLMs 显示出更优的预测稳定性，尾部风险更低。
模型差异：
- Claude-sonnet-4-5 (thinking)：综合表现最佳，在方向预测和收益排序上均具有强预测力。
- Qwen：方向预测平衡，排序能力强。
- GPT5mini：召回率高（擅长捕捉上涨趋势），但精确率较低。
- XGBoost：对连续上涨股票的预测准确率最低（43.8%），显示其对正向动量信号不敏感。
市场状态敏感性：
- 所有模型在熊市中的识别准确率显著高于牛市，表明模型更擅长识别下行风险而非捕捉上行机会。
- 在极端连续下跌股票上，Claude-Haiku 表现最佳；在连续上涨股票上，GPT5mini 表现最佳。
时间敏感性缺陷：
- 短期偏好：尽管任务设定为预测 30 天收益，但 IC 分析显示，几乎所有模型与5 天短期收益的相关性显著高于 30 天长期收益。
- 这表明 VLMs 主要捕捉短期技术信号，缺乏处理长期趋势所需的深层基本面推理和累积不确定性管理能力。
偏差分析：不同架构的模型表现出显著的方向性偏差（有的乐观，有的悲观），这为构建集成系统（Ensemble Systems）以抵消偏差提供了理论基础。

5. 意义与结论 (Significance & Conclusion)

视觉表征的结构性优势：研究指出，K 线图将领域知识（如形态、支撑阻力）外化为视觉语法，VLMs 可以利用其在自然图像中习得的视觉先验（形状识别、分层注意力）来迁移学习金融模式，从而在特定任务上超越纯表格数据模型。
应用定位：目前的 VLMs 更适合作为短期交易信号的辅助工具，而非长期投资决策的主要依据。
未来方向：该基准为理解多模态预测机制提供了方法论支持，未来工作可进一步细化模型训练，探索 VLMs 对更复杂金融概念（如形态学、量价关系）的深层理解，并构建基于偏差互补的集成预测系统。

总结：该论文通过严谨的数据集构建和多维评估，揭示了当前 VLMs 在视觉股票预测中的潜力与局限。虽然模型在特定场景下表现优异，但其在时间尺度推理上的短板和系统性偏差表明，VLMs 尚未完全具备人类交易员那种跨周期的综合研判能力。