Strat-LLM：基于实时多源信号的 LLM 股票交易分层策略对齐

针对现有基准忽视架构推理与策略一致性交互的问题，本文提出 Strat-LLM 框架。该框架基于分层策略对齐，在 2025 年实盘前向设置中整合价格、新闻及年报等多源异构数据以消除前视偏差。实验表明：重推理模型在无约束模式下效用最高，而标准模型需严格模式作为风险锚点；对齐效用依赖市场体制，不同模式分别适用于捕捉动量或缓解回撤；中等规模模型在严格约束下表现最佳，超大规模模型则存在对齐税。研究揭示了深度推理或外部护栏对避免高胜率陷阱的关键作用。