金融世界模型来了：1 万亿条市场数据的意外结论，AI 学到的更多是个股，不是市场

“金融世界模型”最近有了一个很具体的入口。金融世界模型把市场历史压缩成一组状态，学习这些状态如何变化，并用来推演不同决策可能带来的后果。Humzah Merchant 等人发布的《Towards Financial World Modeling》构建了 Market-1T：覆盖 2008—2025 年美国股票、约 1 万亿条每秒观测，并在近二十年的不同市场阶段比较 18 种表征学习策略。论文 研究者用这组大数据检验一个更难的问题：模型能否压缩出可服务于未知未来任务的市场状态。

Market-1T 的实验划出了模型目前的能力边界。在目前的 1Hz、单股票表征设定下，模型学习到的主要是个股自己的微观结构，而不是一个可直接代表市场整体的状态。这条边界比一句“金融世界模型来了”更有价值：它把金融 AI 与完整世界模型之间还缺什么，放到了可检验的工程层面。

核心判断：对金融世界模型而言，可迁移到收益以外任务的表征是关键资产之一，其重要性不应被更高的收益预测分数遮蔽。换句话说，即使市场状态变化，模型学到的内容也应能用于训练时未指定的新任务。Market-1T 证明这项能力值得单独测量。它也显示，当前单资产行情数据还不足以证明模型理解了“市场”。

世界模型不是更大的预测器

预测器只需回答一个预先给定的问题，例如 15 分钟后收益属于哪个区间。

世界模型的目标更高：它要把观察历史压缩成状态，描述状态如何演化，并在行动改变环境时评估后果。只有这样，模型才可能从已经见过的任务迁移到训练时没有指定的新任务。

视觉世界模型的路线能说明其中差别。DINO-WM 先使用预训练视觉特征，再预测行动后的潜在特征，并通过对行动序列的优化完成未预先训练的目标；状态、动态与行动三者缺一不可。DINO-WM LeWorldModel 同样把潜在状态的下一步预测和规划能力作为核心，而不是把单次分类准确率当作终点。LeWorldModel

金融市场当然不能照搬机器人实验。市场里的“行动”既包括下单，也包括资金配置、风控限制、政策沟通和其他参与者对这些行动的反应；研究对象会反过来改变研究者所面对的环境。金融系统因此不能把一个高分预测器直接叫作世界模型。它需要经受三类检验：是否压缩出有用状态，状态转移能否预测未来，以及行动反事实——采取某项交易或风控行动后，状态会怎样——能否被样本外结果验证。

Market-1T 的位置应当放准确：它主要解决第一道，即怎样为金融市场训练和评估状态表征。论文没有训练一个能模拟订单冲击、组合互动或监管行动后果的系统，也没有报告可执行策略的收益。这并不削弱它的价值；没有对状态本身的严格评估，后面的动态和决策层更无从谈起。

同样的预测分数，可能保留了完全不同的市场

过去的金融表征研究常在少量时间窗口上按单一预测任务排名。

Market-1T 将收益、波动率变化和买卖价差变化纳入统一评估，并在严格的时间切分下跨多个市场阶段复核。它使用交易与报价的秒级聚合，包括最优买卖价及挂单量、OHLC、VWAP、成交量和成交笔数等 11 个字段。OHLC 分别指开盘价、最高价、最低价和收盘价。VWAP 是按成交量加权的平均成交价。实验聚焦于按流动性筛选的美国股票。项目技术说明

实验结果并不迎合“自监督会替代监督学习”的叙事。直接用收益、波动率或价差标签训练并输出预测的监督模型，在三项核心任务上仍然更强。把三项任务放进同一编码器训练的多任务模型，又优于只训练收益的版本。对投研系统而言，风险与流动性不是收益信号的边角料；它们会改变模型对收益任务本身的学习。

第二层结果更接近世界模型问题。预测表现相近的编码器，会以很不相同的方式组织潜在空间。自监督模型保留了股票身份、日内时点和月内交易日等并未被收益标签直接要求的信息；以收益为目标训练的模型则可能把这些差异压缩掉。作者因此主张，预测分数接近并不表示模型可替换。

这会改变模型评审的顺序。若机构只比较某一段样本的收益指标，它实际是在选择一个任务解，而不是选择一个能支撑多种金融任务的状态底座。模型是否能迁移到流动性、风险、异常检测或事件分析，不能从同一张收益排行榜中推出，必须被独立测量。

1Hz 数据为什么更像在学习个股，而不是市场

在 1Hz 频率和这组实验设定下，把 IWM 这一市场因子代理加入同一模型后，预测指标几乎没有改善。

作者据此把学到的结构描述为主要具有特异性，而非系统性。项目技术说明 这个结果如实划出了模型当前的能力边界。

Market-1T 的数据非常密集，却主要记录单只股票的报价、成交与日内价格活动。这类数据适合捕捉信息如何进入某只股票、流动性如何变化、不同时间段的交易行为如何不同；它不天然包含利率曲线、信用利差、期权隐含波动率、行业供给冲击、基金持仓和跨资产资金流。数据量扩大了观察密度，不会自动补上未被观察到的经济关系。

美国上市公司提交重大事项披露的 8-K 实验把这个边界说得更直观。研究者将披露文本与冻结的表征连接后，看到对事后波动率变化的提升显著，而对带方向的收益预测提升并不显著。新闻带来的首要变化，可能是条件不确定性而非可稳定预测的价格方向。项目技术说明 对风险团队而言，这可能比“下一分钟涨跌”更有用：模型未必知道方向，却可能辨认出市场已不适合沿用原来的风险假设。

因此，这项论文把“学会什么”拆成了可分别检验的问题，没有把结论停在“AI 学会了市场”。个股微观结构、事件后的不确定性、收益、波动率、点差与跨资产共振不是同一个能力。把它们压成单一分数，会让机构误判模型的可迁移范围。

金融世界模型要补上的三块拼图

完整的市场状态不能只由单只股票的日内路径构成。

利率、信用、期权、指数、商品、汇率、宏观新闻与基本面变量需要进入同一时间对齐的状态空间；模型还要证明，这些关系在不同制度与冲击下仍有稳定含义。仅把更多字段拼接到输入层，并不能完成这种证明。

若模型最终服务于组合、执行或监管情景，它还要回答“若采取某种行动，之后会怎样”。这不等于根据历史相关性生成一条未来曲线。交易会产生冲击，风控约束会改变仓位路径，政策沟通会改变参与者预期。没有明确的动作、结果和样本外反事实验证，模型只能被称为表征模型，不能被当作决策模拟器。

跨制度迁移同样不可省略。论文覆盖的是美国流动股票，且完整数据仍在逐步开放；研究者也明确指出，结果不能直接外推到其他资产、市场或监管环境，且没有覆盖跨资产关系、组合互动、执行成本与真实投资收益。论文 这些不是附在文末的例行免责声明，而是金融世界模型能否进入生产环境的验收条件。

对投研系统，下一步该看什么

金融机构现阶段应先修改模型验收表，再评估是否建设“市场 GPT”。

“市场 GPT”指能像通用模型一样理解并推演市场状态的系统。

收益预测之外，机构应单列风险、流动性、事件后不确定性和异常状态等任务，检查同一表征是否能在没有大规模重训的前提下迁移。

• 跨市场阶段的稳定性也应排在单月或单年度分数之前；
• Market-1T 的意义正是把金融危机、疫情冲击、加息阶段等不同环境放入连续检验。

若目标是组合或宏观风险，单资产模型只能是部件，不能拿它的好成绩替代跨资产验证。

机构是否区分“预测正确”和“状态理解正确”，比模型参数量更能决定系统的可用边界。前者可以快速带来局部指标提升；后者才可能支持在陌生任务、异常环境和更长决策链条中保持可用。

金融世界模型已经有了一个可信的起点：更长的历史、更细的市场数据，以及不再只看一个预测分数的评估方法。它离“理解市场”仍有距离。但这项距离被量化和拆解之后，才真正成为可以被工程、研究和风险管理共同推进的问题。