面向股票回报预测忠实叙事的大语言模型推理外化研究

研究提出一种结合时序 SHAP 证据与历史情境的大语言模型叙事框架，用于横截面股票回报预测。通过外化数值与关系推理，Qwen3-32B-Instruct 的证据忠实度从 0.696 提升至 0.996，显著增强了时序和关系准确性。此外，引入历史相似阶段的对比情境在人工评估中获得了更高的实用性评分。