[LG]《Trading-R1: Financial Trading with LLM Reasoning via Reinforcement Learning》Y Xiao, E Sun, T Chen, F Wu... [University of California, Los Angeles & University of Washington] (2025)

Trading-R1 是一款专为金融交易设计的大型语言模型，结合了结构化推理与强化学习，实现了专业交易分析与决策的高度融合。其核心亮点包括：

• 数据驱动：基于Tauric-TR1-DB，涵盖14支大盘股、18个月多模态财务数据，构建10万条高质量训练样本，确保模型理解真实市场动态。

• 三阶段训练：采用结构化思维 → 证据支持 → 市场决策的递进式训练，先通过监督微调构建严谨投资论述，再用强化学习对交易信号进行风险调整优化。

• 逆向推理蒸馏：创新性地从商业黑箱模型中重构完整推理链，解决了缺乏中间推理过程标签的难题，提升模型的解释性和可信度。

• 波动率调整标签：通过多时间窗收益归一化，设计非对称奖惩机制，体现市场风险偏好和牛熊周期，实现金融决策的稳健性。

• 优异表现：在多只标的资产及ETF上，Trading-R1超越通用LLM及强化学习模型，展现了更高的夏普率、收益率及命中率，同时最大回撤更低。

• 实用价值：生成结构化、事实支撑的投资论述，方便专业人士理解和定制，支持本地部署保护数据隐私，适合卖方研究、买方决策及数据供应商应用。

心得：

1. 金融交易决策的复杂性远超通用任务，需兼顾数据质量与推理稳定性，单纯延长链式思考反而增加错误累积。

2. 分阶段训练策略有效避免监督与强化学习目标冲突，保障模型既能产出专业分析，又能做出市场适应性强的交易决策。

3. 结构化输入与输出设计提升了模型在长上下文中的表现，解决了信息噪声大、数据异构性强的行业难题。

论文详情🔗

详细介绍🔗: github.com/TauricResearch/Trading-R1

金融科技大语言模型强化学习结构化推理量化交易