論文の概要: FinRL-X: An AI-Native Modular Infrastructure for Quantitative Trading

• arxiv url: http://arxiv.org/abs/2603.21330v1
• Date: Sun, 22 Mar 2026 17:13:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.360345
• Title: FinRL-X: An AI-Native Modular Infrastructure for Quantitative Trading
• Title（参考訳）: FinRL-X: 定量的取引のためのAI-Native Modular Infrastructure
• Authors: Hongyang Yang, Boyu Zhang, Yang She, Xinyu Liao, Xiaoli Zhang,
• Abstract要約: FinRL-Xはモジュール式でデプロイに一貫性のあるトレーディングアーキテクチャである。 データ処理、戦略構築、バックテスト、ブローカ実行を重み中心のインターフェースで統一する。
• 参考スコア（独自算出の注目度）: 5.839464421840208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present FinRL-X, a modular and deployment-consistent trading architecture that unifies data processing, strategy construction, backtesting, and broker execution under a weight-centric interface. While existing open-source platforms are often backtesting- or model-centric, they rarely provide system-level consistency between research evaluation and live deployment. FinRL-X addresses this gap through a composable strategy pipeline that integrates stock selection, portfolio allocation, timing, and portfolio-level risk overlays within a unified protocol. The framework supports both rule-based and AI-driven components, including reinforcement learning allocators and LLM-based sentiment signals, without altering downstream execution semantics. FinRL-X provides an extensible foundation for reproducible, end-to-end quantitative trading research and deployment. The official FinRL-X implementation is available at https://github.com/AI4Finance-Foundation/FinRL-Trading.
• Abstract（参考訳）: finRL-Xは,データ処理,戦略構築,バックテスト,ブローカ実行を重み中心のインターフェースで統一する,モジュール型かつデプロイメント一貫性のあるトレーディングアーキテクチャである。 既存のオープンソースプラットフォームはバックテストやモデル中心であることが多いが、研究評価とライブデプロイメントの間のシステムレベルの一貫性はめったにない。 FinRL-Xは、統一されたプロトコル内でのストック選択、ポートフォリオ割り当て、タイミング、ポートフォリオレベルのリスクオーバーレイを統合する、構成可能な戦略パイプラインを通じて、このギャップに対処する。 このフレームワークは、下流の実行セマンティクスを変更することなく、強化学習アロケータやLLMベースの感情信号を含む、ルールベースのコンポーネントとAI駆動コンポーネントの両方をサポートする。 FinRL-Xは再現可能でエンドツーエンドの量的取引の研究と展開のための拡張可能な基盤を提供する。 FinRL-Xの公式実装はhttps://github.com/AI4Finance-Foundation/FinRL-Tradingで公開されている。

関連論文リスト

• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)
• Intrinsic Training Signals for Federated Learning Aggregation [13.540945877050525]
  フェデレートラーニング(FL)は、データプライバシを保持しながら、分散クライアント間で協調的なモデルトレーニングを可能にする。 この研究は、既存のトレーニング信号だけで効果的なモデルマージが達成できることを実証している。
  論文  参考訳（メタデータ） (2025-07-09T13:03:23Z)
• Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
  大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。 本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。 我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-09T07:45:26Z)
• FinRL: Deep Reinforcement Learning Framework to Automate Trading in Quantitative Finance [22.808509136431645]
  深層強化学習(DRL)は、量的ファイナンスにおいて競争力を持つと想定されている。 本稿では,オープンソースのフレームワーク textitFinRL を,量的トレーダーが学習曲線の急勾配を克服するのに役立つための完全なパイプラインとして提示する。
  論文  参考訳（メタデータ） (2021-11-07T00:34:32Z)
• Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
  本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。 また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
  論文  参考訳（メタデータ） (2020-12-01T11:46:03Z)
• FinRL: A Deep Reinforcement Learning Library for Automated Stock Trading in Quantitative Finance [20.43261517036651]
  DRLライブラリFinRLを導入し、初心者が定量的ファイナンスに自分自身を公開できるようにする。 FinRLはNASDAQ-100、DJIA、S&P 500、HSI、SSE 50、CSI 300など、さまざまな株式市場のトレーディング環境をシミュレートしている。 取引コスト、市場の流動性、投資家のリスク回避の度合いといった重要なトレーディングの制約が組み込まれている。
  論文  参考訳（メタデータ） (2020-11-19T01:35:05Z)
• Integrating Distributed Architectures in Highly Modular RL Libraries [4.297070083645049]
  ほとんどの人気のある強化学習ライブラリは、高度にモジュール化されたエージェントの構成性を主張している。 本稿では、RLエージェントを独立した再利用可能なコンポーネントによって異なるスケールで定義できる汎用的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-06T10:22:07Z)

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。