論文の概要: An Adaptive Multi Agent Bitcoin Trading System

• arxiv url: http://arxiv.org/abs/2510.08068v1
• Date: Thu, 09 Oct 2025 10:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.02493
• Title: An Adaptive Multi Agent Bitcoin Trading System
• Title（参考訳）: 適応型マルチエージェントBitcoin取引システム
• Authors: Aadi Singhi,
• Abstract要約: 本稿では,Large Lan-guage Models(LLMs)を暗号通貨市場でのアルファ生成とポートフォリオ管理に利用したMulti Agent Bitcoinトレーディングシステムを提案する。 提案するフレームワークは,LLMを技術分析,感情評価,意思決定,パフォーマンスリフレクションの専門エージェントに構造化することで,この問題を克服する。 2024年7月から2025年4月までのBitcoin価格データのバックテストでは、市場体制全体で一貫したパフォーマンスが見られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This paper presents a Multi Agent Bitcoin Trading system that utilizes Large Lan- guage Models (LLMs) for alpha generation and portfolio management in the cryptocur- rencies market. Unlike equities, cryptocurrencies exhibit extreme volatility and are heavily influenced by rapidly shifting market sentiments and regulatory announcements, making them difficult to model using static regression models or neural networks trained solely on historical data [53]. The proposed framework overcomes this by structuring LLMs into specialised agents for technical analysis, sentiment evaluation, decision-making, and performance reflection. The system improves over time through a novel verbal feedback mechanism where a Reflect agent provides daily and weekly natural-language critiques of trading decisions. These textual evaluations are then injected into future prompts, al- lowing the system to adjust indicator priorities, sentiment weights, and allocation logic without parameter updates or finetuning. Back-testing on Bitcoin price data from July 2024 to April 2025 shows consistent outperformance across market regimes: the Quantita- tive agent delivered over 30% higher returns in bullish phases and 15% overall gains versus buy-and-hold, while the sentiment-driven agent turned sideways markets from a small loss into a gain of over 100%. Adding weekly feedback further improved total performance by 31% and reduced bearish losses by 10%. The results demonstrate that verbal feedback represents a new, scalable, and low-cost method of tuning LLMs for financial goals.
• Abstract（参考訳）: 本稿では,Large Lan-guage Models(LLMs)を暗号通貨市場でのアルファ生成とポートフォリオ管理に利用したMulti Agent Bitcoinトレーディングシステムを提案する。 株式とは異なり、暗号通貨は極端なボラティリティを示し、市場のセンチメントの急激な変化や規制の発表の影響を強く受けており、静的回帰モデルや履歴データのみに基づいてトレーニングされたニューラルネットワークを使用したモデリングを困難にしている[53]。 提案するフレームワークは,LLMを技術分析,感情評価,意思決定,パフォーマンスリフレクションの専門エージェントに構造化することで,この問題を克服する。 このシステムは、リフレクションエージェントが毎日、週に一度の自然言語による取引決定の批判を提供するという、新しい言葉によるフィードバックメカニズムを通じて、時間とともに改善される。 これらのテキスト評価は、将来のプロンプトに注入され、パラメータの更新や微調整なしにインジケータの優先順位、感情重み、割り当てロジックを調整するためのシステムを低くする。 2024年7月から2025年4月までのBitcoin価格データのバックテストでは、Quantita-tiveエージェントは強気なフェーズで30%以上のリターンを達成し、全体の利回りは15%アップした。 週間のフィードバックを追加することで、全体のパフォーマンスが31%向上し、アベリシックな損失が10%削減された。 その結果, 言語フィードバックは, LLMを財務目標に調整する新しい, スケーラブルで, 低コストな手法であることがわかった。

関連論文リスト

• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• Building crypto portfolios with agentic AI [46.348283638884425]
  暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。 本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
  論文  参考訳（メタデータ） (2025-07-11T18:03:51Z)
• Predicting Bitcoin Market Trends with Enhanced Technical Indicator Integration and Classification Models [6.39158540499473]
  本研究では,暗号市場の方向性を予測するための分類に基づく機械学習モデルを提案する。 歴史的データと、移動平均収束分量、相対強度指数、ボリンジャーバンドなどの重要な技術指標を用いて訓練されている。 その結果、購入/販売信号の精度は92%を超えた。
  論文  参考訳（メタデータ） (2024-10-09T14:29:50Z)
• 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)
• Deep Policy Gradient Methods in Commodity Markets [0.0]
  トレーダーは流動性を提供し、ボラティリティを下げることで市場の安定化に重要な役割を果たしている。 本論文は,商品取引における深層強化学習手法の有効性について考察する。
  論文  参考訳（メタデータ） (2023-06-14T11:50:23Z)
• Bitcoin Transaction Strategy Construction Based on Deep Reinforcement Learning [8.431365407963629]
  本研究では,PPO(Deep reinforcement Learning Algorithm-proximal Policy Optimization)に基づく,高速ビットコイン自動取引のためのフレームワークを提案する。 提案したフレームワークは、ボラティリティと急上昇の期間を通じて過剰なリターンを得ることができるため、ディープラーニングに基づく単一暗号通貨取引戦略を構築するための扉を開くことができる。
  論文  参考訳（メタデータ） (2021-09-30T01:24:03Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• GA-MSSR: Genetic Algorithm Maximizing Sharpe and Sterling Ratio Method for RoboTrading [0.4568777157687961]
  外国為替は世界最大の金融市場である。 ほとんどの文献は、歴史的価格情報と技術指標を訓練に用いた。 この問題に対処するため,我々は,技術指標と取引規則から派生した取引規則の特徴を設計した。
  論文  参考訳（メタデータ） (2020-08-16T05:33:35Z)

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。