論文の概要: AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems
- arxiv url: http://arxiv.org/abs/2605.12532v1
- Date: Fri, 01 May 2026 16:25:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.793848
- Title: AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems
- Title（参考訳）: AgenticAITA:自律的取引システムのための議論的マルチエージェント推論に関する実証概念
- Authors: Ivan Letteri,
- Abstract要約: AgentICAITAはエージェントAIフレームワークで、従来のシグナルを置き換えて、完全に自律的なループでパラダイムを実行する。
このフレームワークは、76の資産にわたる157のゼロ・インターベンション・呼び出しを達成し、デリバティブ・パイプラインの運用上の正しさを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conventional algorithmic trading systems are grounded in deterministic heuristics or offline-trained statistical models that cannot adapt to the semantic complexity of rapidly shifting market regimes. This paper introduces AGENTICAITA, an agentic AI framework that replaces the traditional signal then execute paradigm with a fully autonomous deliberative loop in which multiple specialized Large Language Model agents reason, negotiate, and act in concert - without any offline training or human intervention. The framework proposes four architectural contributions: (i) an Adaptive Z-Score Trigger Engine that acts as a cognitive resource allocator, gating LLM inference exclusively on statistically anomalous market conditions; (ii) a Sequential Deliberative Pipeline - the core agentic contribution - in which an Analyst agent, a Risk Manager agent, and an Executor agent form a structured reasoning chain governed by typed JSON contracts and a deterministic hard-gate safety layer; (iii) an Inference Gating Protocol, a mutex-based cognitive resource scheduler that serializes concurrent agent activations and ensures fully reproducible audit trails; and (iv) a Correlation-Break Diversification composite score that operationalizes portfolio-level idiosyncratic signal prioritization within individual agent reasoning. Validated over a five-day autonomous dry-run session under live market conditions, the framework demonstrates operational correctness of the deliberative pipeline, achieving 157 zero-intervention invocations across 76 assets with an 11.5% agentic friction rate that confirms non-trivial inter-agent negotiation. This preliminary proof-of-concept establishes the feasibility of training-free, deterministic safety-constrained multi-agent orchestration in financial decision loops, with statistically robust performance evaluation and execution cost modeling deferred to extended live deployment.
- Abstract（参考訳）: 従来のアルゴリズムトレーディングシステムは、決定論的ヒューリスティックまたはオフラインで訓練された統計モデルに基づいており、急速に変化する市場体制のセマンティックな複雑さに適応できない。
本稿では,従来の信号を置き換えるエージェントAIフレームワークである AgentICAITA について紹介する。
このフレームワークは4つのアーキテクチャ貢献を提案している。
i) 認知資源アロケータとして機能する適応型Zスコアトリガーエンジンであって,統計学的に異常な市場条件にのみLLM推論を行うもの
2) シーケンシャルデリバティブパイプライン(中核的なエージェント貢献)であって、分析エージェント、リスクマネージャエージェント、実行エージェントが、型付きJSON契約と決定論的ハードゲート安全層によって支配される構造的推論チェーンを形成するもの。
三 推論ゲーティングプロトコル、同時エージェントアクティベーションをシリアライズし、完全に再現可能な監査証跡を確保するミューテックスベースの認知リソーススケジューラ
(4) 個別エージェント推論におけるポートフォリオレベルの慣性信号優先順位付けを運用する相関ブラインド分割合成スコア。
ライブ市場条件下での5日間の自律的ドライランセッションで検証されたこのフレームワークは、熟考パイプラインの運用上の正当性を実証し、76の資産で157回のゼロ干渉呼び出しを11.5%のエージェント摩擦率で達成し、非自明なエージェント間交渉を確証する。
この予備的概念実証は、統計的に堅牢な性能評価と実行コストモデリングにより、金融決定ループにおけるトレーニングなし、決定論的安全制約付きマルチエージェントオーケストレーションの実現性を確立する。
関連論文リスト
- SHARP: A Self-Evolving Human-Auditable Rubric Policy for Financial Trading Agents [11.616028403813031]
大規模言語モデル(LLM)は、自律的な金融取引のためにますます多くデプロイされている。
我々は,制約のないテキストの突然変異を構造的,象徴的なポリシー最適化に置き換える,神経象徴的な枠組みである自己進化型ヒューマン・アディタブル・ポリシー(SHARP)を導入する。
論文 参考訳（メタデータ） (2026-05-07T18:23:44Z) - AlphaCrafter: A Full-Stack Multi-Agent Framework for Cross-Sectional Quantitative Trading [26.48283300875701]
収益性を維持する定量的戦略を構築するには、ファクター発見、システマティブ・アダプティブ・セレクション、リスク制約のある実行の継続的な結合が必要である。
AlphaCrafterはフルスタックのマルチエージェントフレームワークで、継続的適応型ファクター・ツー・エグゼクティブパイプラインを通じてこのギャップを埋めます。
CSI 300とS&P 500の実験では、AlphaCrafterはリスク調整リターンにおいて、最先端のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-05-07T01:58:30Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - AgenticSimLaw: A Juvenile Courtroom Multi-Agent Debate Simulation for Explainable High-Stakes Tabular Decision Making [0.6218206949753592]
我々はAgenticSimLawを紹介した。これは、透明で制御可能なテストタイム推論を提供するロール構造化マルチエージェントの議論フレームワークである。
ブラックボックスアプローチとは異なり、裁判所スタイルのオーケストレーションでは、エージェントの役割を明確に定義しています。
NLSY97データセットを用いて、この枠組みを若者の復習予測にベンチマークする。
論文 参考訳（メタデータ） (2026-01-29T16:26:10Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Norm-Governed Multi-Agent Decision-Making in Simulator-Coupled Environments:The Reinsurance Constrained Multi-Agent Simulation Process (R-CMASP) [0.0]
マルチエージェントの協調を統括するドメイン校正された合成環境が,決定論的自動化よりも安定的で一貫性があり,規範に順応した行動をもたらすことを示す。
その結果, 制御されたシミュレータ駆動型意思決定環境は, 規範的, シミュレータ結合型マルチエージェントシステムとしてモデル化されていることが示唆された。
論文 参考訳（メタデータ） (2025-12-04T10:30:26Z) - 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) - Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm [60.36837655498119]
本稿では,トラジェクトリをベースとしたエージェント・ベンチマーク・複雑度進化フレームワークを提案する。
このフレームワークは、既存のベンチマークから元のタスクを受け取り、エージェントがそれをより難しい新しいタスクに進化させるよう促す。
GAIAベンチマークの実験では、TRACEフレームワークはタスクの複雑さを継続的に向上し、正確性の信頼性を向上させる。
論文 参考訳（メタデータ） (2025-10-01T01:52:52Z) - Towards Transparent and Incentive-Compatible Collaboration in Decentralized LLM Multi-Agent Systems: A Blockchain-Driven Approach [21.498244821985562]
本稿では、透過的なエージェント登録、検証可能なタスク割り当て、動的評価追跡を可能にするブロックチェーンベースのフレームワークを提案する。
本実装では, GPT-4エージェントをSolidity契約と統合し, 50ラウンドのシミュレーション, 高いタスク成功率, 安定したユーティリティ分布, 創発的エージェントの特殊化を実演する。
論文 参考訳（メタデータ） (2025-09-20T16:00:24Z) - STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。
我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。
MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-08-26T08:47:58Z)
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。