提出了一种利用自我反思的机器人和接近策略优化的框架，让大型语言模型自主学习生成可解释的股票预测，并通过自我推理学习解释过去的股票动态。该框架在股票分类任务中的预测准确性和相关系数方面优于传统深度学习和语言模型方法，并通过投资组合指标证明了其有效性。