論文の概要: Resisting Manipulative Bots in Memecoin Copy Trading: A Multi-Agent Approach with Chain-of-Thought Reasoning

• arxiv url: http://arxiv.org/abs/2601.08641v1
• Date: Tue, 13 Jan 2026 15:13:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.254666
• Title: Resisting Manipulative Bots in Memecoin Copy Trading: A Multi-Agent Approach with Chain-of-Thought Reasoning
• Title（参考訳）: メメコインコピー取引における残留マニピュレータボット--チェーン・オブ・ソート推論を用いたマルチエージェントアプローチ
• Authors: Yichen Luo, Yebo Feng, Jiahua Xu, Yang Liu,
• Abstract要約: コピートレーディングは、ディープトレーディング知識の必要性を排除する戦略に依存しないアプローチである。 マイムコイン複写取引のための説明可能なマルチエージェントシステムを提案する。 本システムでは,複雑なタスクをサブタスクに分解し,特殊なエージェントを協調的に解決する。
• 参考スコア（独自算出の注目度）: 6.363535820961979
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The launch of \$Trump coin ignited a wave in meme coin investment. Copy trading, as a strategy-agnostic approach that eliminates the need for deep trading knowledge, quickly gains widespread popularity in the meme coin market. However, copy trading is not a guarantee of profitability due to the prevalence of manipulative bots, the uncertainty of the followed wallets' future performance, and the lag in trade execution. Recently, large language models (LLMs) have shown promise in financial applications by effectively understanding multi-modal data and producing explainable decisions. However, a single LLM struggles with complex, multi-faceted tasks such as asset allocation. These challenges are even more pronounced in cryptocurrency markets, where LLMs often lack sufficient domain-specific knowledge in their training data. To address these challenges, we propose an explainable multi-agent system for meme coin copy trading. Inspired by the structure of an asset management team, our system decomposes the complex task into subtasks and coordinates specialized agents to solve them collaboratively. Employing few-shot chain-of-though (CoT) prompting, each agent acquires professional meme coin trading knowledge, interprets multi-modal data, and generates explainable decisions. Using a dataset of 1,000 meme coin projects' transaction data, our empirical evaluation shows that the proposed multi-agent system outperforms both traditional machine learning models and single LLMs, achieving 73% and 70% precision in identifying high-quality meme coin projects and key opinion leader (KOL) wallets, respectively. The selected KOLs collectively generated a total profit of \$500,000 across these projects.
• Abstract（参考訳）: \$Trumpbitcoinのローンチは、ミームコイン投資の波に火をつけた。 コピートレーディングは、ディープトレーディングの知識を不要にする戦略に依存しないアプローチであり、ミームコイン市場で急速に人気を博している。 しかし, コピー取引は, 操作ボットの普及, 後続の財布の今後の業績の不確実性, 取引の遅れなどにより, 収益性の保証にはならない。 近年, 大規模言語モデル (LLM) は, マルチモーダルデータを効果的に理解し, 説明可能な意思決定を行うことによって, 金融分野での有望性を示している。 しかし、1つのLLMは、アセットアロケーションのような複雑で多面的なタスクに苦しむ。 これらの課題は、LLMがトレーニングデータに十分なドメイン固有の知識を欠いている暗号通貨市場でさらに顕著である。 これらの課題に対処するために、ミームコイン複写取引のための説明可能なマルチエージェントシステムを提案する。 資産管理チームの構造にインスパイアされた当社のシステムは、複雑なタスクをサブタスクに分解し、特殊なエージェントを協調的に解決する。 数発の連鎖(CoT)を駆使して、各エージェントはプロのミームコイン取引知識を取得し、マルチモーダルデータを解釈し、説明可能な決定を生成する。 提案するマルチエージェントシステムは,1000のミームコインプロジェクトのトランザクションデータを用いて,従来の機械学習モデルと単一LDMの両方で優れており,高品質なミームコインプロジェクトとキーレガシリーダ(KOL)ウォレットの識別において,それぞれ73%と70%の精度で達成されていることを示す。 選ばれたKOLは、これらのプロジェクト全体で合計50,000ドルの利益を生み出した。

関連論文リスト

• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• 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)
• Meta-Learning Reinforcement Learning for Crypto-Return Prediction [16.344249366257003]
  本稿ではメタラーニングと強化学習を統一したトランスフォーマーベースアーキテクチャであるMeta-RL-Cryptoを提案する。 エージェントはクローズドループアーキテクチャにおいて、3つのロールアクタ、ジャッジ、メタジャッジを反復的に交互に切り替える。 様々な市場体制における実験により、Meta-RL-Cryptoは実市場の技術的指標に優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2025-09-11T14:20:45Z)
• A Midsummer Meme's Dream: Investigating Market Manipulations in the Meme Coin Ecosystem [57.92093214580746]
  我々は,ミーム硬貨のトケノミクスを特徴付け,その成長を3ヶ月の縦断解析で追跡する。 市場関心の誤解を招きかねない外観を生み出すために設計された人工的な成長戦略の広範な活用の証拠を見いだす。 関連するトークンの多くは以前、洗面用トレーディング(LPI)を経験しており、初期操作が後の搾取の舞台となることがしばしばあったことを示している。
  論文  参考訳（メタデータ） (2025-04-16T13:54:42Z)
• LLM-Powered Multi-Agent System for Automated Crypto Portfolio Management [9.9661459222949]
  本稿では、暗号通貨投資のための説明可能なマルチモーダルマルチエージェントフレームワークを提案する。 当社のフレームワークでは、データ分析や文献の統合、投資決定といったサブタスクを処理するために、チーム内およびチーム間で協力する特殊なエージェントを使用しています。
  論文  参考訳（メタデータ） (2025-01-01T13:08:17Z)
• A Framework for Empowering Reinforcement Learning Agents with Causal Analysis: Enhancing Automated Cryptocurrency Trading [1.4356611205757077]
  本研究は,Coin, Litecoin, Ripple, Tetherの5つの暗号通貨を取引する複雑さに対処するための強化学習(RL)フレームワークの開発に焦点をあてる。 本稿では,ベイズ的および動的ベイズ的ネットワーク技術を統合し,貿易決定におけるRLエージェントの強化を目的としたCausalReinforceNet(CRN)フレームワークを提案する。 本稿では,このフレームワークを用いて,Bell-and-HoldベンチマークとベースラインRLモデルと比較して,異なるRLアルゴリズムを用いて性能を解析する2つのエージェントを開発した。
  論文  参考訳（メタデータ） (2023-10-14T01:08:52Z)
• Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
  インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。 これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。 本研究では,不正行為をリアルタイムに検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-04T21:36:18Z)

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。