論文の概要: MountainLion: A Multi-Modal LLM-Based Agent System for Interpretable and Adaptive Financial Trading
- arxiv url: http://arxiv.org/abs/2507.20474v1
- Date: Sun, 13 Jul 2025 05:39:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-03 20:19:02.848587
- Title: MountainLion: A Multi-Modal LLM-Based Agent System for Interpretable and Adaptive Financial Trading
- Title（参考訳）: MountainLion: 解釈・適応型金融取引のためのマルチモーダルLCMエージェントシステム
- Authors: Siyi Wu, Zhaoyang Guan, Leyi Zhao, Xinyuan Song, Xinyu Ying, Hanlin Zhang, Michele Pak, Yangfan He, Yi Xin, Jianhui Wang, Tianyu Shi,
- Abstract要約: MountainLionは金融取引のためのマルチモーダル・マルチエージェントシステムであり、金融データを解釈し投資戦略を生成する専門的LLMエージェントをコーディネートする。
中央反射モジュールは、歴史的取引信号と結果を分析して、意思決定プロセスを継続的に洗練する。
実証的な結果は、MountainLionが文脈的マクロ経済と資本フローの信号で技術的価格トリガを体系的に強化していることを確認する。
- 参考スコア（独自算出の注目度）: 6.433335815589235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cryptocurrency trading is a challenging task requiring the integration of heterogeneous data from multiple modalities. Traditional deep learning and reinforcement learning approaches typically demand large training datasets and encode diverse inputs into numerical representations, often at the cost of interpretability. Recent progress in large language model (LLM)-based agents has demonstrated the capacity to process multi-modal data and support complex investment decision-making. Building on these advances, we present \textbf{MountainLion}, a multi-modal, multi-agent system for financial trading that coordinates specialized LLM-based agents to interpret financial data and generate investment strategies. MountainLion processes textual news, candlestick charts, and trading signal charts to produce high-quality financial reports, while also enabling modification of reports and investment recommendations through data-driven user interaction and question answering. A central reflection module analyzes historical trading signals and outcomes to continuously refine decision processes, and the system is capable of real-time report analysis, summarization, and dynamic adjustment of investment strategies. Empirical results confirm that MountainLion systematically enriches technical price triggers with contextual macroeconomic and capital flow signals, providing a more interpretable, robust, and actionable investment framework that improves returns and strengthens investor confidence.
- Abstract（参考訳）: 暗号通貨取引は、複数のモダリティからの異種データの統合を必要とする課題である。
従来のディープラーニングと強化学習のアプローチは、多くの場合、大規模なトレーニングデータセットを必要とし、様々な入力を数値表現にエンコードする。
大規模言語モデル(LLM)に基づくエージェントの最近の進歩は、マルチモーダルデータを処理し、複雑な投資決定を支援する能力を示している。
金融取引のためのマルチモーダル・マルチエージェントシステムである「textbf{MountainLion}」は、金融データの解釈と投資戦略の生成を専門のLSMエージェントと調整する。
MountainLionは、テキストニュース、キャンドルスティックチャート、トレーディングシグナルチャートを処理し、高品質な財務報告を生成すると同時に、データ駆動のユーザインタラクションと質問応答を通じてレポートや投資レコメンデーションの変更を可能にする。
中央リフレクションモジュールは、歴史的トレーディング信号と結果を分析し、意思決定プロセスを継続的に洗練し、リアルタイムのレポート分析、要約、投資戦略の動的調整を行うことができる。
実証的な結果は、MountainLionが技術的価格トリガを文脈的マクロ経済と資本フローのシグナルで体系的に強化し、リターンを改善し、投資家の信頼を高めるための、より解釈可能な、堅牢で実行可能な投資フレームワークを提供することを確認した。
関連論文リスト
- LLM-Powered Multi-Agent System for Automated Crypto Portfolio Management [9.9661459222949]
本稿では、暗号通貨投資のための説明可能なマルチモーダルマルチエージェントフレームワークを提案する。
当社のフレームワークでは、データ分析や文献の統合、投資決定といったサブタスクを処理するために、チーム内およびチーム間で協力する特殊なエージェントを使用しています。
論文 参考訳（メタデータ） (2025-01-01T13:08:17Z) - TradingAgents: Multi-Agents LLM Financial Trading Framework [4.293484524693143]
TradingAgentsは、トレーディング会社にインスパイアされた新しい株式トレーディングフレームワークを提案する。
基本的なアナリスト、センチメントアナリスト、テクニカルアナリスト、さまざまなリスクプロファイルを持つトレーダーといった専門的な役割でLLMを動力とするエージェントが特徴である。
動的で協調的なトレーディング環境をシミュレートすることで、このフレームワークはトレーディングのパフォーマンスを改善することを目指している。
論文 参考訳（メタデータ） (2024-12-28T12:54:06Z) - FinVision: A Multi-Agent Framework for Stock Market Prediction [0.0]
本研究では,金融取引タスクに特化して設計されたマルチモーダルマルチエージェントシステムを提案する。
提案手法の重要な特徴はリフレクションモジュールの統合である。
論文 参考訳（メタデータ） (2024-10-29T06:02:28Z) - Automate Strategy Finding with LLM in Quant Investment [15.475504003134787]
本稿では,大規模言語モデル(LLM)をリスク認識型マルチエージェントシステム内で活用し,定量的ファイナンスにおける戦略発見を自動化する新しい3段階フレームワークを提案する。
本手法は,金融分野における従来のディープラーニングモデルの脆さに対処するものである。
実験結果は、確立されたベンチマークと比較して、中国とアメリカの市場体制における戦略の堅牢な性能を示している。
論文 参考訳（メタデータ） (2024-09-10T07:42:28Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳（メタデータ） (2024-03-19T09:45:33Z) - A Multimodal Foundation Agent for Financial Trading: Tool-Augmented, Diversified, and Generalist [33.82344864007857]
FinAgentは金融取引タスクのためのマルチモーダル・ファンデーション・エージェントである。
金融市場を正確に分析するために、多種多様なデータ数字、テキスト、視覚的に処理する。
既存のトレーディング戦略と専門家の洞察を統合し、そのトレーディングアプローチがデータ駆動であり、健全な金融原則に根ざしていることを保証する。
論文 参考訳（メタデータ） (2024-02-28T17:06:54Z) - Revolutionizing Finance with LLMs: An Overview of Applications and Insights [45.660896719456886]
ChatGPTのような大規模言語モデル(LLM)はかなり進歩しており、様々な分野に適用されている。
これらのモデルは、財務報告の自動生成、市場のトレンド予測、投資家の感情分析、パーソナライズされた財務アドバイスの提供に利用されています。
論文 参考訳（メタデータ） (2024-01-22T01:06:17Z) - FinMem: A Performance-Enhanced LLM Trading Agent with Layered Memory and
Character Design [11.913409501633616]
textscFinMemは、金融上の意思決定のために考案された新しいLLMベースのエージェントフレームワークである。
textscFinMemのメモリモジュールは、人間のトレーダーの認知構造と密接に一致し、堅牢な解釈性を提供する。
このフレームワークは、エージェントが専門知識を自己開発し、新しい投資方法にアジャイルに反応し、取引決定を継続的に洗練することを可能にする。
論文 参考訳（メタデータ） (2023-11-23T00:24:40Z) - PIXIU: A Large Language Model, Instruction Data and Evaluation Benchmark
for Finance [63.51545277822702]
PIXIUは、命令データ付き微調整LLaMAに基づく最初の金融大規模言語モデル(LLM)を含む包括的なフレームワークである。
我々はLLaMAを細調整してFinMAを提案する。
我々は、FinMAと既存のLLMを詳細に分析し、重要な財政課題に対処する際の長所と短所を明らかにする。
論文 参考訳（メタデータ） (2023-06-08T14:20:29Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳（メタデータ） (2022-10-22T14:47:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。