传统的资产定价模型和算法框架主要是为处理结构化的数值数据（如离散的价格-成交量序列）而设计的。然而，这些线性或半线性的方法往往无法捕捉人类专家通过视觉观察直观获得的high-dimensional、非线性的信号。通过将市场动态简化为单纯的标量，传统模型可能会系统地丢弃嵌入在价格趋势几何结构中的丰富上下文信息，这些信息反映了市场参与者信念更新的延迟和趋势持续性的制度依赖性。
机器学习的最新进展开始填补这一空白，使得能够系统地解释非文本的、非结构化数据。值得注意的是，资产定价文献已经超出了文本情绪分析的范围，开始结合视觉信息，一些开创性工作利用基于图像的深度学习来“重新构想”价格趋势并从图表中提取预测特征（例如，Jiang, Kelly, 和 Xiu, 2023）。然而，尽管现有的机器学习技术主要依赖于卷积神经网络（CNNs）来进行特征提取（Tuncer et al., 2022），但它们主要是为基于图像的特征提取设计的，而不是用于语言引导的复杂多周期技术逻辑的解释。其他研究使用时间图神经网络来建模金融市场中的跨资产相互依赖性和时空动态，包括加密货币和外汇市场（Uygun 和 Sefer, 2025）。在这项研究中，我们开发了一种新的交易策略，该策略利用多模态大型语言模型（MLMMs）的视觉分析能力，使用专门设计的提示对加密货币的蜡烛图进行直接视觉推理。与仅依赖结构化数值数据的传统算法交易不同，我们的方法使用MLLM来解释技术图表中的视觉配置，并将其转化为可执行的交易规则。我们在加密货币市场中测试了这一框架，在这个市场中，缺乏基于现金流的估值锚点增加了投资者情绪、启发式交易和外推预期的重要性。在这样的环境中，技术模式可能作为市场信念和交易压力的简化表达，而不仅仅是纯粹的机械图表形态。我们的样本涵盖了2024年1月至2025年6月期间按市值排名的前100种加密货币，这一时期有意选择以涵盖包括显著上涨和下跌在内的异质市场条件。与之前的“黑箱”图像模型相比，MLLMs具有直接视觉推理的能力，使它们不仅能够识别模式，还能直接从视觉蜡烛图配置中应用规则一致的交易启发式方法，例如识别支撑区域或管理风险阈值。
我们实施了三种预先指定的MLLM策略：一种7天趋势线策略、一种带有支撑和抵抗线的30天趋势线策略，以及一种带有获利了结和止损阈值的30天策略。这些策略采用每月滚动起点的设计进行评估，在这种设计中，每个信号仅使用信号日期可用的信息生成，并与相应基准策略的回报进行比较。在这些比较中，MLLM策略实现了更高的平均收益、夏普比率和胜率。
本文有两个贡献。首先，我们通过探索多模态模型如何结合视觉市场信息与现有的基于文本的应用（如新闻、公司文件和分析师报告）来为金融领域不断增长的LLM文献做出贡献。虽然最近的文献表明LLMs能够有效地解码非结构化的语言数据（Huang, Wang, 和 Yang, 2023; Leippold, 2023; Kirtac 和 Germano, 2024; Liu 等人, 2025; Lopez-Lira 和 Tang, 2026），但嵌入在视觉市场配置中的丰富信息内容仍未得到充分利用。与依赖专用卷积神经网络（CNNs）进行基于图像的特征提取的方法不同，我们展示了现成的通用MLLMs可以根据视觉图表输入生成规则一致的的交易决策。
其次，我们提供了强有力的实证证据，表明MLLM驱动的视觉推理能够捕捉到本研究中考虑的标准基于回报的异常指标未能完全捕捉到的与定价相关的信息。虽然资产定价文献已经确定高维信号是强大的预测因子（Gu, Kelly, & Xiu, 2020; Kelly 等人, 2025），但我们的结果表明MLLMs能够解码非线性几何模式，例如趋势线的持续性和支撑-抵抗区域的突破，而这可能是传统线性排名方法无法完全捕捉到的。通过将我们的AI策略与经典因素（如每周短期反转和2-12个月动量（Jegadeesh & Titman, 1993; Jegadeesh & Titman, 1995）进行基准测试，我们发现基于MLLM的信号产生了更高的经风险调整后的回报和显著更高的胜率。这些发现特别是在加密货币市场中尤为显著，在这个市场中，缺乏基本的估值锚点提高了视觉启发式的经济相关性。因此，我们的工作强调了视觉推理作为补充现有基于回报的基准的潜在有用的预测交易信号来源。
