論文の概要: MASFIN: A Multi-Agent System for Decomposed Financial Reasoning and Forecasting

• arxiv url: http://arxiv.org/abs/2512.21878v1
• Date: Fri, 26 Dec 2025 06:01:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:57:53.365732
• Title: MASFIN: A Multi-Agent System for Decomposed Financial Reasoning and Forecasting
• Title（参考訳）: MASFIN:分散金融推論と予測のためのマルチエージェントシステム
• Authors: Marc S. Montalvo, Hamed Yaghoobian,
• Abstract要約: 構造化財務メトリクスと非構造化ニュースを統合するモジュール型マルチエージェントフレームワークMASFINを紹介する。 8週間の評価で、MASFINは7.33%の累積リターンを達成し、S&P 500、NASDAQ-100、ダウ・ジョーンズのベンチマークを6週間で上回った。 これらの知見は、金融予測のためのバイアス対応、生成型AIフレームワークの可能性を示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recent advances in large language models (LLMs) are transforming data-intensive domains, with finance representing a high-stakes environment where transparent and reproducible analysis of heterogeneous signals is essential. Traditional quantitative methods remain vulnerable to survivorship bias, while many AI-driven approaches struggle with signal integration, reproducibility, and computational efficiency. We introduce MASFIN, a modular multi-agent framework that integrates LLMs with structured financial metrics and unstructured news, while embedding explicit bias-mitigation protocols. The system leverages GPT-4.1-nano for reproducability and cost-efficient inference and generates weekly portfolios of 15-30 equities with allocation weights optimized for short-term performance. In an eight-week evaluation, MASFIN delivered a 7.33% cumulative return, outperforming the S&P 500, NASDAQ-100, and Dow Jones benchmarks in six of eight weeks, albeit with higher volatility. These findings demonstrate the promise of bias-aware, generative AI frameworks for financial forecasting and highlight opportunities for modular multi-agent design to advance practical, transparent, and reproducible approaches in quantitative finance.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、不均一な信号の透過的かつ再現可能な分析が不可欠であるハイテイクな環境を代表して、データ集約的な領域を変革している。 従来の定量的手法は生き残りバイアスに弱いままであり、多くのAI駆動のアプローチは信号の統合、再現性、計算効率に苦しむ。 構造化された財務指標や非構造化ニュースとLCMを統合するモジュール型マルチエージェントフレームワークであるMASFINを導入し、明示的なバイアス軽減プロトコルを組み込んだ。 GPT-4.1-nanoを再現性とコスト効率の推論に利用し、短期性能に最適化された割り当て重み付き15-30株の週間ポートフォリオを生成する。 8週間の評価では、MASFINは7.33%の累積リターンを達成し、S&P 500、NASDAQ-100、ダウ・ジョーンズのベンチマークを6週間で上回った。 これらの結果は、偏見を意識した、財務予測のための生成AIフレームワークの実現と、定量的ファイナンスにおける実用的で透明で再現可能なアプローチを進めるためのモジュラーマルチエージェント設計の機会の顕在化を示している。

関連論文リスト

• LAET: A Layer-wise Adaptive Ensemble Tuning Framework for Pretrained Language Models [7.216206616406649]
  BloombergGPTやFinMAのような大規模言語モデル(LLM)は、さまざまな財務NLPタスクに対して新しいベンチマークを設定している。 我々は,LLMの最も効果的な層を選択的に微調整する新しい戦略であるLayer-wise Adaptive Ensemble Tuning (LAET)を提案する。 提案手法は,財務NLPタスクにおいて,既存のベンチマークや最先端のLCMよりも優れた結果を示す。
  論文  参考訳（メタデータ） (2025-11-14T13:57:46Z)
• 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)
• Enhancing Financial RAG with Agentic AI and Multi-HyDE: A Novel Approach to Knowledge Retrieval and Hallucination Reduction [0.5814806132299305]
  我々は、金融レトリヴァル強化世代(RAG)のための枠組みを導入する。 RAGは、大規模で構造化された財務コーパスからの検索の有効性とカバレッジを高めるために、複数の無意味なクエリを生成する。 私たちのパイプラインはトークン効率と多段階の財務推論に最適化されています。
  論文  参考訳（メタデータ） (2025-09-19T19:24:30Z)
• Uncertainty-Aware Collaborative System of Large and Small Models for Multimodal Sentiment Analysis [17.98292973608615]
  マルチモーダル感情分析のための強力なMLLMと軽量なベースラインモデルを編成する新しい不確実性認識協調システム(U-ACS)を提案する。 提案手法は,スタンドアロンのMLLMに比べて計算資源のごく一部しか必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-08-27T16:01:58Z)
• FinDPO: Financial Sentiment Analysis for Algorithmic Trading through Preference Optimization of LLMs [2.06242362470764]
  そこで,FinDPOについて紹介する。FinDPOは,トレーニング後の人間の嗜好のアライメントに基づく,ファイナンス固有の感情分析フレームワークである。 提案したFinDPOは、標準的な感情分類ベンチマークで最先端のパフォーマンスを達成する。 FinDPOは、毎年67%の実質的なポジティブリターンを維持し、高いリスク調整性能を維持するための、最初の感情ベースのアプローチである。
  論文  参考訳（メタデータ） (2025-07-24T13:57:05Z)
• Cross-Modal Temporal Fusion for Financial Market Forecasting [3.0756278306759635]
  我々は、市場予測を改善するために、構造化および非構造化の財務データを融合するトランスフォーマーベースのディープラーニングフレームワークであるCross-Modal Temporal Fusion (CMTF)を導入する。 FTSE 100 ストックデータを用いた実験結果から,CMTF は古典的および深層学習ベースラインと比較して,価格方向分類において優れた性能を示した。
  論文  参考訳（メタデータ） (2025-04-18T07:20:18Z)
• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
  本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。 我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
  論文  参考訳（メタデータ） (2024-11-09T05:40:32Z)
• Open-FinLLMs: Open Multimodal Large Language Models for Financial Applications [88.96861155804935]
  オープンソースのマルチモーダル金融 LLM である textitOpen-FinLLMs を紹介する。 FinLLaMAは52ビリオンのトーケンコーパス、FinLLaMA-Instructは573Kの財務命令で微調整され、FinLLaVAは1.43Mのマルチモーダルチューニングペアで強化されている。 我々は、14の財務タスク、30のデータセット、および4つのマルチモーダルタスクにわたるOpen-FinLLMをゼロショット、少数ショット、教師付き微調整設定で評価した。
  論文  参考訳（メタデータ） (2024-08-20T16:15:28Z)
• 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 [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  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。