論文の概要: Agentic Trading: When LLM Agents Meet Financial Markets

• arxiv url: http://arxiv.org/abs/2605.19337v1
• Date: Tue, 19 May 2026 04:20:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.115774
• Title: Agentic Trading: When LLM Agents Meet Financial Markets
• Title（参考訳）: エージェント取引:LLMエージェントが金融市場と出会う時
• Authors: Yihan Xia, Panpan You, Taotao Wang, Fang Liu, Han Qi, Xiaoxiao Wu, Shengli Zhang,
• Abstract要約: 本稿では,Large Language Models(LLM)をエキスパートシステム決定パイプラインとして再編成する。 一次経験的部分集合は、行動出力と閉ループ評価の最小限の境界を満たす。 中心的な経験的発見はプロトコルの非互換性である。
• 参考スコア（独自算出の注目度）: 10.275260358522809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A growing body of work explores how Large Language Models (LLMs) can be embedded in trading systems as agents that perceive market information, retrieve context, reason about decisions, emit tradable actions, and adapt under market feedback. This paper reframes LLM-based trading agents as expert-system decision pipelines and presents an audit-oriented evidence map of 77 included studies in a protocol-coded snapshot screened through 2026-03-09. A primary empirical subset (n=19) satisfies the minimum boundary of Action Output plus Closed-Loop Evaluation; the remaining 58 included studies are retained as background and design context. The central empirical finding is protocol incomparability: within the primary subset, only 2/19 studies report extractable time-consistent split protocols, 1/19 reports an explicit transaction-cost model, 1/19 documents universe or survivorship handling, 11/19 report execution timing or semantics, 15/19 are coded as R0, and no study reaches R3 reproducibility. We therefore use Architecture-Capability-Adaptation as a working analytical lens rather than a validated taxonomy, and we foreground the evidence ledger, reproducibility audit, and reporting checklist as the main contributions. The resulting survey shows that architectural experimentation is expanding rapidly, while comparable evaluation protocols, execution semantics, and reproducible artifacts remain the field's immediate bottlenecks.
• Abstract（参考訳）: 広範言語モデル(LLM)が、市場情報を理解し、コンテキストを検索し、意思決定を判断し、取引可能なアクションを発行し、市場フィードバックの下で適応するエージェントとして、トレーディングシステムに組み込むことができるか、という研究が増えている。 本稿では, LLM をベースとしたトレーディングエージェントをエキスパートシステム決定パイプラインとして再編成し, 2026-03-09 を通したプロトコル符号化スナップショットにおける77の監査指向エビデンスマップを示す。 主要な経験的サブセット(n=19)は、アクションアウトプットとクローズド・ループ評価の最小限の境界を満たす。 1/19 は明示的なトランザクションコストモデル、1/19 は宇宙または生き残り処理、1/19 はレポートの実行タイミングまたはセマンティクス、15/19 は R0 としてコードされ、R3 の再現性には到達しない。 したがって、検証された分類ではなく、機能的な分析レンズとしてアーキテクチャ・キャパビリティ適応を使用し、エビデンス台帳、再現性監査、チェックリストの報告を主要なコントリビューションとしています。 その結果、アーキテクチャ実験は急速に拡大しているが、同等の評価プロトコル、実行セマンティクス、再現可能なアーティファクトは、この分野の直接的なボトルネックのままである。

関連論文リスト

• Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents? [61.49434544687523]
  本稿では,エージェント環境におけるきめ細かい故障検出を目的としたメタ評価ベンチマークREFLECTを紹介する。 REFLECTはプロセスレベルの障害モードと結果レベルの障害モードの詳細な分類を定義し、制御および局所的な介入を実行することでインスタンス化する。 私たちの実験では、最高のパフォーマンスモデルでさえ、推論、ツール使用、レポート品質の失敗に対して、全体的なアキュラシーを55%以下に達成しています。
  論文  参考訳（メタデータ） (2026-05-18T23:55:08Z)
• AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases [0.7176906280023592]
  本稿では,企業知識ベース上での検索と分析のためのエージェントハーネスであるAgenticRAGを提案する。 我々のアプローチは、既存のエンタープライズ検索インフラの上に軽量なハーネスを積み重ねることで、この過度さを軽減します。 本研究は,実環境における実運用環境への適合性を示すものである。
  論文  参考訳（メタデータ） (2026-05-07T00:39:22Z)
• From Reasoning to Agentic: Credit Assignment in Reinforcement Learning for Large Language Models [3.651838585096184]
  大規模言語モデルの強化学習(RL)は、スパースで結果レベルの報酬にますます依存している。 我々は2024年から2026年にかけて発行された47のCA法を調査し,それらの分類を課題別に2次元分類で整理した。 我々は,(1)分類ラベル,ベースラインファミリー,エビデンスレベルを備えた構造化機械可読紙の在庫,(2)組織的方法論的ギャップを特定するための将来のCA論文の報告チェックリスト,(3)タスクファミリ,メタデータ要件,管理された分岐タスクを備えたベンチマークプロトコル仕様の3つの再利用可能な資源をコントリビュートする。
  論文  参考訳（メタデータ） (2026-04-10T16:17:44Z)
• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• ORCHID: Orchestrated Retrieval-Augmented Classification with Human-in-the-Loop Intelligent Decision-Making for High-Risk Property [6.643427585499247]
  ORCHIDは、HRP分類のためのモジュール型エージェントシステムである。 検索強化世代(RAG)を人間の監視と組み合わせて、監査可能なポリシベースのアウトプットを生成する。 デモでは、単一項目の提出、接地された引用、中小企業のフィードバックキャプチャ、エクスポート可能な監査アーティファクトなどが紹介されている。
  論文  参考訳（メタデータ） (2025-11-07T03:48:05Z)
• FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
  FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。 このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。 我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-07T22:15:22Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)

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。