VLM 真的能“读懂”烛台吗？视觉股票价格预测的多尺度基准

视觉语言模型（VLM）越来越多地应用于可视化股价预测，但现有基准不足以评估它们对烛台图中股价的理解。首先，之前的研究未能区分 VLM 对视觉输入的理解是否真正提高了预测性能以及 VLM 是否真正理解烛台模式。此外，大多数现有数据集和评估设置都是围绕单周期或表格输入设计的。然而，人类分析师强烈依赖多尺度烛台图，其中长期视野捕捉趋势方向，短期视野提供拐点线索，因此很难系统地评估 VLM 整合短期和长期视觉市场动态的能力。为了弥补这一差距，我们构建了一个多尺度烛台图数据集和一个标准化评估框架，以评估 VLM 利用多尺度视觉市场信号的能力。评估将基于混淆矩阵的诊断与信息系数 (IC) 时间序列指标相结合，并包括 XGBoost 作为基于特征的时间基线。使用该数据集，我们对代表性 VLM 进行基准测试，并分析它们利用多尺度股票价格数据的能力。实验结果表明，大多数 VLM 仅在持续上升趋势或下降趋势条件下表现良好，而在更常见的市场场景中表现出较弱的预测能力。我们还发现显着的预测偏差和对提示中明确指定的预测范围的有限敏感性，表明精确时间推理的固有局限性。