MEME：对金融市场演化模式进行建模
人工智能
2026-02-13 v1
摘要
大语言模型（LLM）通过处理大量非结构化数据来模拟类似人类的分析工作流程，已在量化金融领域展现出巨大潜力。然而，当前基于LLM的方法主要遵循两种范式：专注于个股预测的资产中心范式，或用于投资组合分配的市场中心范式，这些方法通常对驱动市场运动的潜在推理过程保持不可知。在本文中，我们提出了一种逻辑导向视角，将金融市场建模为一个由相互竞争的投资叙事（称为思维模式）组成的动态演化生态系统。为实现这一观点，我们引入了MEME（对金融市场演化模式进行建模），旨在通过演化逻辑的视角重构市场动态。MEME采用多智能体提取模块将噪声数据转化为高保真度的投资论点，并利用高斯混合模型在语义空间中揭示潜在共识。为对不同市场条件下的语义漂移进行建模，我们还实现了一个时间评估与对齐机制，以追踪这些模式的生存周期和历史盈利能力。通过优先考虑持久的市场智慧而非短暂异常，MEME确保投资组合构建由稳健推理所指导。在2023年至2025年间三个异构中国股票池上的广泛实验表明，MEME持续优于七个最先进（SOTA）基线。进一步的消融研究、敏感性分析、生命周期案例研究和成本分析验证了MEME识别并适应金融市场演化共识的能力。我们的实现可在https://github.com/gta0804/MEME找到。
引用
@article{arxiv.2602.11918,
title = {MEME: Modeling the Evolutionary Modes of Financial Markets},
author = {Taian Guo and Haiyang Shen and Junyu Luo and Zhongshi Xing and Hanchun Lian and Jinsheng Huang and Binqi Chen and Luchen Liu and Yun Ma and Ming Zhang},
journal= {arXiv preprint arXiv:2602.11918},
year = {2026}
}