对抗性新闻与利润损失：操纵 LLM 驱动算法交易中的新闻标题

研究者提出两种人眼不可见的新闻标题篡改手法，可误导 LLM 驱动的算法交易系统（ATS），在 14 个月回测中使累计收益最多下降 17.7 个百分点。手法包括 Unicode 同形字替换，破坏股票名识别；以及在标题中注入 display:none 的隐藏文本，反转情感极性。作者在 Backtrader 中实现融合 LSTM 价格预测与 LLM 情感分析的 ATS，在 FinBERT 上同形字攻击使 99.1% 的标题无法正确关联股票，隐藏文本使 65.6% 的标题情感极性翻转。单日攻击平均使累计收益下降约 3.5%。跨 10 个模型的测试显示 O3 最鲁棒，金融专用模型最脆弱。

Deep readingGenerating