小参数量即达主流精度
一个面向金融时间序列的轻量模型，通过数值贪婪分词与自定义损失，仅微调少量参数即可让通用大模型在股指与加密货币预测上媲美甚至超越专用时序模型。
HongHong, Guo · Pak Yin, Kwok · Yi, Guo · JunWen, Zhao · 谷德峰
Expert Systems with Applications 2026
仅需微调少量参数即可将通用大模型适配为金融预测模型，无需从零训练。
在纳斯达克日频预测上，MAE较Linear模型降低69.8%，精度与多个主流模型相当或更优。
在标普500与比特币等不同金融数据集上均验证有效。