論文の概要: Integrating Large Language Models and Reinforcement Learning for Sentiment-Driven Quantitative Trading

• arxiv url: http://arxiv.org/abs/2510.10526v1
• Date: Sun, 12 Oct 2025 09:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.991434
• Title: Integrating Large Language Models and Reinforcement Learning for Sentiment-Driven Quantitative Trading
• Title（参考訳）: 感性駆動量的トレーディングのための大規模言語モデルの統合と強化学習
• Authors: Wo Long, Wenxin Zeng, Xiaoyu Zhang, Ziyao Zhou,
• Abstract要約: 本研究では、感情分析に大規模な言語モデルFinGPTを利用する感情駆動量取引システムを開発した。 従来のルールベースアプローチと強化学習フレームワークの両方を用いて,感情と技術信号を統合する戦略の性能を比較した。
• 参考スコア（独自算出の注目度）: 4.29974137673945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This research develops a sentiment-driven quantitative trading system that leverages a large language model, FinGPT, for sentiment analysis, and explores a novel method for signal integration using a reinforcement learning algorithm, Twin Delayed Deep Deterministic Policy Gradient (TD3). We compare the performance of strategies that integrate sentiment and technical signals using both a conventional rule-based approach and a reinforcement learning framework. The results suggest that sentiment signals generated by FinGPT offer value when combined with traditional technical indicators, and that reinforcement learning algorithm presents a promising approach for effectively integrating heterogeneous signals in dynamic trading environments.
• Abstract（参考訳）: 本研究では、感情分析に大規模な言語モデルFinGPTを利用する感情駆動量取引システムを開発し、強化学習アルゴリズムであるTwin Delayed Deep Deterministic Policy Gradient(TD3)を用いた信号統合の新しい手法を提案する。 従来のルールベースアプローチと強化学習フレームワークの両方を用いて,感情と技術信号を統合する戦略の性能を比較した。 その結果、FinGPTが生成した感情信号は従来の技術指標と組み合わせることで価値が得られ、強化学習アルゴリズムは動的取引環境における異種信号の効果的な統合に有望なアプローチを示すことが示唆された。

関連論文リスト

• Towards Improving Long-Tail Entity Predictions in Temporal Knowledge Graphs through Global Similarity and Weighted Sampling [53.11315884128402]
  時間知識グラフ(TKG)補完モデルは、伝統的にトレーニング中にグラフ全体へのアクセスを前提としている。 本稿では,TKGに特化して設計されたインクリメンタルトレーニングフレームワークを提案する。 提案手法は,モデルに依存しない拡張層と加重サンプリング戦略を組み合わせることで,既存のTKG補完手法を拡張および改善することができる。
  論文  参考訳（メタデータ） (2025-07-25T06:02:48Z)
• Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
  この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。 特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
  論文  参考訳（メタデータ） (2025-07-08T11:45:51Z)
• Confidence-driven Gradient Modulation for Multimodal Human Activity Recognition: A Dynamic Contrastive Dual-Path Learning Approach [8.505513517407993]
  動的コントラストデュアルパスネットワーク(D-HAR)と呼ばれる新しいフレームワークを提案する。 まず、デュアルパスの特徴抽出アーキテクチャを使用し、ResNetとDenseCDPNetが協調してマルチモーダルセンサデータを処理している。 第二に、局所的な知覚から意味的抽象への進歩的なアライメントを実現するために、多段階のコントラスト学習機構を導入する。 第3に、バックプロパゲーション中の各モード分岐の学習強度を動的に監視・調整する信頼性駆動型勾配変調方式を提案する。
  論文  参考訳（メタデータ） (2025-07-03T17:37:46Z)
• A novel Fourier Adjacency Transformer for advanced EEG emotion recognition [1.1347176912133798]
  脳波の感情認識は、ノイズ干渉、信号の非定常性、脳活動の固有の複雑さによって大きな障害に直面している。 本稿では,Fourierベースの周期解析とグラフ駆動構造モデリングをシームレスに統合する新しいフレームワークであるFourier Adjacency Transformerを提案する。
  論文  参考訳（メタデータ） (2025-02-28T03:15:12Z)
• Recommending Actionable Strategies: A Semantic Approach to Integrating Analytical Frameworks with Decision Heuristics [0.0]
  本稿では,戦略フレームワークと決定をセマンティック分析を通じて統合することで,行動可能な戦略を推奨する新しいアプローチを提案する。 我々の手法は、先進自然言語処理(NLP)を用いてこのギャップを橋渡しし、6CモデルのようなフレームワークをThirty-Six Stratagemsに統合することで実証した。
  論文  参考訳（メタデータ） (2025-01-24T16:53:37Z)
• FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge [54.61068946420894]
  FEature Context と TErm レベルの知識モジュールを導入して,革新的な手法を提案する。 項重みの特徴コンテキスト表現を効果的に強化するために、FCM(Feature Context Module)が導入された。 また,用語レベルの知識を効果的に活用し,用語重みのモデル化プロセスをインテリジェントに導くための用語レベルの知識誘導モジュール(TKGM)を開発した。
  論文  参考訳（メタデータ） (2024-04-18T12:58:36Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Model-Based Machine Learning for Communications [110.47840878388453]
  モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。 通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
  論文  参考訳（メタデータ） (2021-01-12T19:55:34Z)

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。