作为词元生成的金融数值预测和分配

财务预测通常依赖于特定于任务的回归、排名或政策头，将语言模型与最终评估的数字对象分开。我们研究因果语言模型是否可以通过约束词元生成直接表示预测和决策。 FinATOM 引入了一个统一的无头界面，用于三步股票回报预测和动态五只 ETF 分配。预测模型自回归地发出波动率标准化回报词元，并通过顺序和排名监督进行训练，然后是一个时期的 词元级 政策阶段。分配模型生成归一化的仅多头权重；有监督的 微调 模仿因果均值-方差锚点，DAPO 增强的 GRPO 优化实现了锚点一致性的 21 天夏普。在 2023--2025 年 ETF 测试中，配置政策将总夏普从 1.428 提高到 1.529，将 5 个基点交易成本模型下的净夏普从 1.394 提高到 1.494。多模式配置输入达到最高的三期平均夏普1.540，在2025年优势最明显。在FinTexTS上，SFT和政策策略分别实现73.52\%/2.68和73.72\%/2.69累积回报/夏普。这些结果支持直接语言模型词元生成用于金融数值预测和决策的可行性，同时激发了跨资产、制度和随机种子的更广泛测试。