Fin-Analyst 交易系统夺冠：LLM专家与规则信号融合策略在实盘测试中表现突出

近期，一项发布于arXiv的研究展示了Fin-Analyst混合交易代理在FinMMEval 2026任务3中的表现。该系统创新性地结合了大型语言模型（LLM）专家流水线与轻量级规则信号投票机制，分别针对特斯拉（TSLA）股票和比特币（BTC）进行交易决策。

在特斯拉交易方面，Fin-Analyst构建了包含新闻、SEC文件、基本面数据、分析师预测、技术指标和社交情绪在内的八专家LLM流水线，通过元智能体进行信号聚合。官方最终排行榜（截至2026年7月5日）显示，该系统在特斯拉交易中排名第一，实现+13.51%的收益率，较买入持有策略超额收益达28.33点（夏普比率4.10，胜率88%）。

值得注意的是，研究发现了实盘环境下的排名波动现象：与中期表现相比，资产排名发生了逆转，表明短期实盘窗口对波动性较为敏感。消融实验进一步揭示，事件驱动的8-K披露文件成为影响特斯拉交易的最关键信号。

在比特币交易方面，轻量级三信号投票规则在横盘市场中表现平平，但显著优于急剧下跌的基准。错误分析指出，无记忆代理会连续多日重复错误决策，而固定阈值规则在横盘市场中因交易噪声而亏损。相比之下，LLM流水线在类似条件下仍能盈利，这为开发具有记忆能力的LLM基后继系统提供了重要启示。

该研究不仅展示了LLM在金融交易领域的应用潜力，更强调了实盘测试对评估交易系统性能的重要性，为未来智能交易系统的设计提供了宝贵经验。