論文の概要: From Natural Language to Executable Option Strategies via Large Language Models
- arxiv url: http://arxiv.org/abs/2603.16434v1
- Date: Tue, 17 Mar 2026 12:14:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.264899
- Title: From Natural Language to Executable Option Strategies via Large Language Models
- Title（参考訳）: 自然言語から大規模言語モデルによる実行可能なオプション戦略へ
- Authors: Haochen Luo, Zhengzhao Lai, Junjie Xu, Yifan Li, Tang Pok Hin, Yuan Zhang, Chen Liu,
- Abstract要約: ドメイン固有の中間表現であるOption Query Language (OQL)を導入し、オプションマーケットを文法規則の下で高レベルのプリミティブに抽象化する。
OQLクエリは、実行可能戦略をインスタンス化するエンジンによって検証され、決定的に実行される。
また,本課題のための新しいデータセットを提示し,我々のニューロシンボリックパイプラインが直接ベースライン上での実行精度と論理的整合性を大幅に向上することを示した。
- 参考スコア（独自算出の注目度）: 13.716212955292498
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large Language Models (LLMs) excel at general code generation, yet translating natural-language trading intents into correct option strategies remains challenging. Real-world option design requires reasoning over massive, multi-dimensional option chain data with strict constraints, which often overwhelms direct generation methods. We introduce the Option Query Language (OQL), a domain-specific intermediate representation that abstracts option markets into high-level primitives under grammatical rules, enabling LLMs to function as reliable semantic parsers rather than free-form programmers. OQL queries are then validated and executed deterministically by an engine to instantiate executable strategies. We also present a new dataset for this task and demonstrate that our neuro-symbolic pipeline significantly improves execution accuracy and logical consistency over direct baselines.
- Abstract（参考訳）: 大きな言語モデル(LLM)は、一般的なコード生成において優れているが、自然言語のトレーディング意図を正しいオプション戦略に変換することは依然として難しい。
実世界のオプション設計は、しばしば直接生成メソッドを圧倒する厳密な制約付き、多次元のオプションチェーンデータに対する推論を必要とする。
OQL(Option Query Language)は、オプションマーケットを文法規則の下で高レベルのプリミティブに抽象化する、ドメイン固有の中間表現であり、LLMは自由形式プログラマではなく、信頼できるセマンティックパーサとして機能する。
OQLクエリは検証され、エンジンによって決定的に実行可能戦略をインスタンス化する。
また,本課題のための新しいデータセットを提示し,我々のニューロシンボリックパイプラインが直接ベースライン上での実行精度と論理的整合性を大幅に向上することを示した。
関連論文リスト
- OsmT: Bridging OpenStreetMap Queries and Natural Language with Open-source Tag-aware Language Models [30.29148893930439]
我々は、自然言語と構造化クエリ言語をブリッジするためのオープンソースのタグ対応言語モデルOsmTを提案する。
本稿では,タグ検索拡張(Tag Retrieval Augmentation,TRA)機構を導入する。
また、構造化クエリを自然言語の説明に変換する逆タスクであるOverpassQL-to-Textも定義しています。
論文 参考訳（メタデータ） (2025-12-04T12:24:36Z) - Skeletons Matter: Dynamic Data Augmentation for Text-to-Query [66.52311036179294]
テキスト・ツー・クエリー・タスク・パラダイムを正式に定義し、様々なクエリー言語にまたがるセマンティック・パース・タスクを統一する。
問合せスケルトンをText-to-Queryタスクの共有最適化ターゲットとして同定し、一般的な動的データ拡張フレームワークを提案する。
4つのText-to-Queryベンチマーク実験により,本手法が最先端の性能を実現することを示す。
論文 参考訳（メタデータ） (2025-11-24T09:39:03Z) - New Dataset and Methods for Fine-Grained Compositional Referring Expression Comprehension via Specialist-MLLM Collaboration [49.180693704510006]
Referring Expression (REC) は、言語理解、画像理解、言語と画像の接点の相互作用を評価するためのクロスモーダルなタスクである。
MLLM(Multimodal Large Language Models)の試験場として機能する。
論文 参考訳（メタデータ） (2025-02-27T13:58:44Z) - LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。
以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。
具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
論文 参考訳（メタデータ） (2024-06-24T03:36:29Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - Soft Language Clustering for Multilingual Model Pre-training [57.18058739931463]
本稿では,インスタンスを条件付きで符号化するためのフレキシブルガイダンスとして,コンテキスト的にプロンプトを検索するXLM-Pを提案する。
我々のXLM-Pは、(1)言語間における言語不変および言語固有知識の軽量なモデリングを可能にし、(2)他の多言語事前学習手法との容易な統合を可能にする。
論文 参考訳（メタデータ） (2023-06-13T08:08:08Z) - Prompting Is Programming: A Query Language for Large Language Models [5.8010446129208155]
我々はLMP(Language Model Programming)という新しいアイデアを提示する。
LMPは、純粋なテキストプロンプトからテキストプロンプトとスクリプティングの直感的な組み合わせまで、言語モデルを一般化する。
LMQLは、さまざまな最先端のプロンプトメソッドを直感的にキャプチャできることを示す。
論文 参考訳（メタデータ） (2022-12-12T18:09:09Z)
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。