論文の概要: StockBench: Can LLM Agents Trade Stocks Profitably In Real-world Markets?

• arxiv url: http://arxiv.org/abs/2510.02209v1
• Date: Thu, 02 Oct 2025 16:54:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.230697
• Title: StockBench: Can LLM Agents Trade Stocks Profitably In Real-world Markets?
• Title（参考訳）: StockBench: LLMエージェントは現実世界の市場で取引できるのか?
• Authors: Yanxu Chen, Zijun Yao, Yantao Liu, Jin Ye, Jianing Yu, Lei Hou, Juanzi Li,
• Abstract要約: 大規模言語モデル(LLM)は、最近、自律エージェントとして強力な能力を示した。 実時間複数ヶ月の株式トレーディング環境でLLMエージェントを評価するためのベンチマークであるStockBenchを紹介する。 我々の評価では、ほとんどのLLMエージェントは、単純な買い買い得ベースラインよりも優れているが、いくつかのモデルでは、より高いリターンをもたらし、より効果的にリスクを管理する可能性を実証している。
• 参考スコア（独自算出の注目度）: 44.10622904101254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have recently demonstrated strong capabilities as autonomous agents, showing promise in reasoning, tool use, and sequential decision-making. While prior benchmarks have evaluated LLM agents in domains such as software engineering and scientific discovery, the finance domain remains underexplored, despite its direct relevance to economic value and high-stakes decision-making. Existing financial benchmarks primarily test static knowledge through question answering, but they fall short of capturing the dynamic and iterative nature of trading. To address this gap, we introduce StockBench, a contamination-free benchmark designed to evaluate LLM agents in realistic, multi-month stock trading environments. Agents receive daily market signals -- including prices, fundamentals, and news -- and must make sequential buy, sell, or hold decisions. Performance is assessed using financial metrics such as cumulative return, maximum drawdown, and the Sortino ratio. Our evaluation of state-of-the-art proprietary (e.g., GPT-5, Claude-4) and open-weight (e.g., Qwen3, Kimi-K2, GLM-4.5) models shows that while most LLM agents struggle to outperform the simple buy-and-hold baseline, several models demonstrate the potential to deliver higher returns and manage risk more effectively. These findings highlight both the challenges and opportunities in developing LLM-powered financial agents, showing that excelling at static financial knowledge tasks does not necessarily translate into successful trading strategies. We release StockBench as an open-source resource to support reproducibility and advance future research in this domain.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、最近、自律エージェントとして強力な能力を示し、推論、ツールの使用、シーケンシャルな意思決定の可能性を示している。 以前のベンチマークでは、ソフトウェア工学や科学的発見のような分野におけるLLMエージェントの評価が行われていたが、金融分野は、経済的価値と高い意思決定に直接的な関連性があるにもかかわらず、未調査のままである。 既存の金融ベンチマークは主に質問応答を通じて静的な知識をテストするが、それらは取引の動的かつ反復的な性質を捉えていない。 このギャップに対処するため,現実的な複数ヶ月の株式取引環境におけるLLMエージェントの評価を目的とした,汚染のないベンチマークであるStockBenchを紹介する。 エージェントは、価格、基本、ニュースを含む毎日の市場信号を受信し、シーケンシャルな購入、販売、決定をしなければならない。 成績は累積リターン、最大引下げ、ソルティーノ比などの財務指標を用いて評価される。 最先端のプロプライエタリ(g, GPT-5, Claude-4)とオープンウェイト(e, Qwen3, Kimi-K2, GLM-4.5)モデルについて評価した結果,ほとんどのLLMエージェントは単純な買い得ベースラインを上回りにくいが,いくつかのモデルではより高いリターンとリスク管理の可能性を実証している。 これらの知見は, LLMによる金融エージェント開発における課題と機会の両面を浮き彫りにしており, 静的な金融知識タスクにおける卓越化が必ずしも貿易戦略の成功に繋がるとは限らないことを示唆している。 StockBenchをオープンソースリソースとしてリリースし、再現性をサポートし、この領域における将来の研究を前進させます。

関連論文リスト

• Can LLM-based Financial Investing Strategies Outperform the Market in Long Run? [5.968528974532717]
  大規模言語モデル(LLM)は、資産価格のタスクや株式取引アプリケーションに利用されており、AIエージェントが非構造化の財務データから投資決定を生成することができる。 我々は、より長い期間にわたるタイミングベースの戦略とより大きなシンボルの宇宙を評価するバックテストフレームワークであるFINSABERを提案し、それらの一般化性と堅牢性を批判的に評価する。
  論文  参考訳（メタデータ） (2025-05-11T18:02:21Z)
• Will LLMs be Professional at Fund Investment? DeepFund: A Live Arena Perspective [10.932591941137698]
  大規模言語モデル(LLM)は、様々な領域にまたがって印象的な能力を示してきたが、財務的な意思決定におけるその効果は、いまだに不十分である。 実環境におけるLCMベースのトレーディング戦略を評価するための総合的なアリーナプラットフォームであるDeepFundを紹介する。 当社のアプローチでは,実世界の投資決定プロセスを実現する上で,複数の重要な役割を担うマルチエージェントフレームワークを実装している。
  論文  参考訳（メタデータ） (2025-03-24T03:32:13Z)
• 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)
• FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
  FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。 FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
  論文  参考訳（メタデータ） (2024-02-20T02:16:16Z)
• 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。