論文の概要: TradingGroup: A Multi-Agent Trading System with Self-Reflection and Data-Synthesis

• arxiv url: http://arxiv.org/abs/2508.17565v1
• Date: Mon, 25 Aug 2025 00:29:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.585694
• Title: TradingGroup: A Multi-Agent Trading System with Self-Reflection and Data-Synthesis
• Title（参考訳）: TradingGroup: 自己回帰とデータ合成を備えたマルチエージェントトレーディングシステム
• Authors: Feng Tian, Flora D. Salim, Hao Xue,
• Abstract要約: TradingGroupは、セルフリフレクティブアーキテクチャとエンドツーエンドのデータ合成パイプラインを通じて制限に対処するために設計されたマルチエージェントトレーディングシステムである。 TradingGroupは、ニュース感情分析、財務報告解釈、株価トレンド予測、トレーディングスタイル適応、トレーディング意思決定エージェントのための専門エージェントで構成されている。 具体的には、ストック予測、スタイル、意思決定エージェントのための自己回帰機構を設計し、過去の成功と失敗を、類似した将来のシナリオで同様の推論のために蒸留する。
• 参考スコア（独自算出の注目度）: 15.865159423176982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in large language models (LLMs) have enabled powerful agent-based applications in finance, particularly for sentiment analysis, financial report comprehension, and stock forecasting. However, existing systems often lack inter-agent coordination, structured self-reflection, and access to high-quality, domain-specific post-training data such as data from trading activities including both market conditions and agent decisions. These data are crucial for agents to understand the market dynamics, improve the quality of decision-making and promote effective coordination. We introduce TradingGroup, a multi-agent trading system designed to address these limitations through a self-reflective architecture and an end-to-end data-synthesis pipeline. TradingGroup consists of specialized agents for news sentiment analysis, financial report interpretation, stock trend forecasting, trading style adaptation, and a trading decision making agent that merges all signals and style preferences to produce buy, sell or hold decisions. Specifically, we design self-reflection mechanisms for the stock forecasting, style, and decision-making agents to distill past successes and failures for similar reasoning in analogous future scenarios and a dynamic risk-management model to offer configurable dynamic stop-loss and take-profit mechanisms. In addition, TradingGroup embeds an automated data-synthesis and annotation pipeline that generates high-quality post-training data for further improving the agent performance through post-training. Our backtesting experiments across five real-world stock datasets demonstrate TradingGroup's superior performance over rule-based, machine learning, reinforcement learning, and existing LLM-based trading strategies.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、特に感情分析、財務報告の理解、株価予測において、強力なエージェントベースの金融応用を可能にしている。 しかし、既存のシステムはエージェント間の調整、構造化された自己回帰、市場条件とエージェント決定を含む取引活動のデータのような高品質でドメイン固有のポストトレーニングデータへのアクセスを欠いていることが多い。 これらのデータは、エージェントが市場のダイナミクスを理解し、意思決定の質を改善し、効果的な調整を促進するために不可欠である。 我々はTradingGroupを紹介した。TradingGroupは、自己表現型アーキテクチャとエンドツーエンドのデータ合成パイプラインを通じて、これらの制限に対処するために設計されたマルチエージェントトレーディングシステムである。 TradingGroupは、ニュースセンチメント分析、財務報告の解釈、株価トレンド予測、トレーディングスタイル適応のための専門エージェントと、すべてのシグナルとスタイルの好みをマージして購入、販売、保持の意思決定を行うトレーディング意思決定エージェントで構成されている。 具体的には, ストック予測, スタイル, 意思決定エージェントの自己回帰機構を設計し, 過去の成功と失敗を, 類似した将来のシナリオにおける類似の推論のために蒸留し, 動的リスク管理モデルを用いて, 動的ストップロスとテイク収益のメカニズムを設定可能とした。 さらに、TradingGroupには、高品質な後トレーニングデータを生成する自動データ合成およびアノテーションパイプラインが組み込まれ、後トレーニングを通じてエージェントのパフォーマンスをさらに向上する。 実世界の5つのストックデータセットを対象としたバックテスト実験では、ルールベース、マシンラーニング、強化学習、既存のLLMベースのトレーディング戦略よりもTradingGroupの方が優れたパフォーマンスを示している。

関連論文リスト

• FutureX: An Advanced Live Benchmark for LLM Agents in Future Prediction [84.43012743968283]
  FutureXは、将来の予測のための最大かつ最も多様なライブベンチマークである。 リアルタイムの日次更新をサポートし、質問収集と回答収集のための自動パイプラインを通じてデータの汚染を取り除く。 推論,検索機能,外部ツールの統合などを含む25のLLM/エージェントモデルを評価した。
  論文  参考訳（メタデータ） (2025-08-16T08:54:08Z)
• 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)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)
• 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)

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。