論文の概要: From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets

• arxiv url: http://arxiv.org/abs/2605.28359v1
• Date: Wed, 27 May 2026 11:57:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.024209
• Title: From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets
• Title（参考訳）: 知識から実践へ:株式市場におけるLLM取引エージェントのメモリ制御ベンチマーク
• Authors: Taojie Zhu, Wentao Zhao, Rui Sun, Beidi Luan, Jiacheng Lu, Sinuo Wang, Jing Li, Daxin Jiang, Yonghong He, Zuo Bai,
• Abstract要約: KTD-Finは、エンドツーエンドの株式市場トレーディングベンチマークである。 歴史的市場記憶と投資決定を分離する。 Barraスタイルのパフォーマンス属性フレームワークが組み込まれている。
• 参考スコア（独自算出の注目度）: 34.699961175708815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating whether large language model (LLM) agents can profit in capital markets is increasingly framed as end-to-end trading: place an agent in a historical market, let it trade, and measure portfolio returns. This setup is vulnerable to two evaluation failures. First, long backtests often overlap with the knowledge cutoffs of frontier LLMs, allowing memorized tickers, dates, prices, and market narratives to substitute for investment reasoning. Second, raw returns are a noisy proxy for stock-selection ability, since positive performance may come from market beta, style exposure, or favorable regimes rather than genuine alpha. We introduce KTD-Fin (Knowing-To-Doing Financial Benchmark), an end-to-end stock-market trading benchmark that addresses both issues. KTD-Fin uses a data-side masking protocol to anonymize key identifiers and calendar information consistently across prompts and tools, separating historical market memory from investment decision-making. It also incorporates a Barra-style performance attribution framework that decomposes portfolio returns into market, style, and stock-selection alpha components. Across ten frontier LLM agents evaluated on the Chinese CSI300 over a 2024--2026 window, masking substantially changes agent rationales, pushing them towards anonymized factor-based reasoning. Attribution analysis further shows that LLM agents' cumulative returns under leakage-controlled evaluation are largely explained by passive market and style exposure, with limited evidence of persistent stock-selection alpha. These findings suggest that financial LLM benchmarks should evaluate not only whether an agent makes money, but also whether the source of returns reflects transferable investment skill. We release KTD-Fin as a reproducible template for leakage-controlled and attribution-aware evaluation of LLM trading agents.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントが資本市場において利益を上げることができるかどうかを評価することは、エージェントを歴史的な市場に配置し、それを取引させ、ポートフォリオのリターンを測る、エンドツーエンドのトレーディングとしてますます議論されている。 この設定は2つの評価失敗に対して脆弱である。 第一に、長期のバックテストは、しばしばフロンティアのLLMの知識の遮断と重なり、記憶されたティッカー、日付、価格、市場の物語が投資の推論に取って代わることを可能にする。 第2に、生のリターンは、市場ベータ、スタイルの露出、あるいは真のアルファではなく好意的なレギュレーションから、ストック選択能力のノイズの多いプロキシである。 KTD-Fin(Knowing-To-Doing Financial Benchmark)は、両問題に対処するエンドツーエンドの株式市場トレーディングベンチマークである。 KTD-Finは、データ側マスキングプロトコルを使用して、キー識別子とカレンダ情報をプロンプトやツール間で一貫して匿名化し、過去の市場記憶と投資決定を分離する。 また、ポートフォリオのリターンを市場、スタイル、株式選択アルファコンポーネントに分解するBarraスタイルのパフォーマンス属性フレームワークも組み込まれている。 2024年から2026年の間、中国のCSI300で評価された10件のLLMエージェントは、エージェントの合理性を大幅に変化させ、匿名化された因子ベースの推論へと押し進めた。 帰属分析により,LLMエージェントの漏洩制御評価における累積リターンは受動的市場とスタイル露出によって大きく説明され,持続的株式選択アルファの証拠は限られていた。 これらの結果から, LLMベンチマークは, エージェントが利益を得るかどうかだけでなく, 収益源が投資スキルの伝達を反映しているかどうかを評価すべきであることが示唆された。 我々は,LLMトレーディングエージェントの漏洩制御および属性認識のための再現可能なテンプレートとしてKTD-Finをリリースする。

関連論文リスト

• CN-Buzz2Portfolio: A Chinese-Market Dataset and Benchmark for LLM-Based Macro and Sector Asset Allocation from Daily Trending Financial News [21.498084305999992]
  大規模言語モデル(LLM)は、静的自然言語処理(NLP)タスクから動的意思決定エージェントへと急速に移行している。 直接のライブトレーディングは非生産的であり、スキルに幸運を抱くことによって結果バイアスを起こす傾向にあるが、既存の静的ベンチマークはエンティティレベルの株式選択に限定され、より広範な市場注目を無視することが多い。 この研究は、一般的な推論と金融決定の整合性に関する新たな洞察を与え、持続可能な金融エージェントの研究を促進するために、すべてのデータ、コード、実験がリリースされる。
  論文  参考訳（メタデータ） (2026-03-18T02:31:28Z)
• 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)
• StockBench: Can LLM Agents Trade Stocks Profitably In Real-world Markets? [44.10622904101254]
  大規模言語モデル(LLM)は、最近、自律エージェントとして強力な能力を示した。 実時間複数ヶ月の株式トレーディング環境でLLMエージェントを評価するためのベンチマークであるStockBenchを紹介する。 我々の評価では、ほとんどのLLMエージェントは、単純な買い買い得ベースラインよりも優れているが、いくつかのモデルでは、より高いリターンをもたらし、より効果的にリスクを管理する可能性を実証している。
  論文  参考訳（メタデータ） (2025-10-02T16:54:57Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)

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。