論文の概要: MetaPS: Adaptive Programmatic Strategy Selection for Market Agents
- arxiv url: http://arxiv.org/abs/2606.22385v1
- Date: Sun, 21 Jun 2026 08:22:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 18:35:07.177327
- Title: MetaPS: Adaptive Programmatic Strategy Selection for Market Agents
- Title（参考訳）: MetaPS: 市場エージェントのための適応型プログラム戦略選択
- Abstract要約: 適応型プログラム戦略選択のためのシミュレーション誘導フレームワークである textbfMetaPS を提案する。
MetaPSは、シミュレーションまたはバックテストされた市場で候補戦略をロールアウトし、特定の戦略がよりよい将来的な成果をもたらす状態を特定し、これらの状態戦略ペアを教師付き微調整データに変換する。
マルチストックトレーディングとコントロールされた商品交換サンドボックスの実験は、MetaPSが0.8Bから9Bパラメータのモデルスケールにわたって一貫して改善していることを示している。
- 参考スコア（独自算出の注目度）: 29.0862253154432
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: No single market strategy always wins: momentum, mean reversion, risk control,and event-driven rules can each succeed or fail as market conditions change.Rather than asking large language models to directly generate market actions,we study an executable decision paradigm where an agent selects from a library of programmatic strategies, each implemented as a code module mapping market observations to actions.We propose \textbf{MetaPS}, a simulation-guided framework for adaptive programmatic strategy selection. MetaPS rolls out candidate strategies in simulated or backtested markets, identifies states where particular strategies lead to better future outcomes, and converts these state--strategy pairs into supervised fine-tuning data. During inference, the simulator is no longer queried: MetaPS observes only the current market state and candidate strategy context, selects a suitable strategy program, and the selected program produces the final action. Experiments on multi-stock trading and a controlled goods-exchange sandbox show that MetaPS consistently improves across model scales from 0.8B to 9B parameters. It outperforms fixed-strategy baselines, direct decision-making agents, and prompted API-based LLM agents; in several settings, compact fine-tuned models even surpass stronger API models. These results demonstrate that market simulations can provide scalable and targeted supervision for learning adaptive, interpretable, and executable strategy selection.
- Abstract（参考訳）: 一つの市場戦略が常に勝つことはない: 勢い、平均回帰、リスク制御、イベント駆動型ルールは、市場条件が変わるにつれて、成功または失敗しうるが、大きな言語モデルに市場行動を直接生成させるのではなく、エージェントがプログラム戦略のライブラリから選択する実行可能な決定パラダイムを研究し、各エージェントは、市場観測を行動にマッピングするコードモジュールとして実装し、適応型プログラム戦略選択のためのシミュレーション誘導フレームワークである \textbf{MetaPS} を提案する。
MetaPSは、シミュレーションまたはバックテストされた市場で候補戦略をロールアウトし、特定の戦略がよりよい将来的な成果をもたらす状態を特定し、これらの状態戦略ペアを教師付き微調整データに変換する。
MetaPSは現在の市場状況と候補戦略コンテキストのみを観察し、適切な戦略プログラムを選択し、選択したプログラムが最終動作を生成する。
マルチストックトレーディングとコントロールされた商品交換サンドボックスの実験は、MetaPSが0.8Bから9Bパラメータのモデルスケールにわたって一貫して改善していることを示している。
固定戦略ベースライン、直接的な意思決定エージェント、APIベースのLLMエージェントよりも優れており、いくつかの設定では、コンパクトな微調整モデルがより強力なAPIモデルよりも優れている。
これらの結果は、市場シミュレーションが適応性、解釈性、実行可能な戦略選択を学習するためのスケーラブルでターゲットとした監視を提供することを示す。
関連論文リスト
- EVOQUANT: Self-Evolving Verifier-Guided Strategy Optimization for Robust Quantitative Trading [24.38446478098508]
EVOQUANTは、定量取引における戦略最適化のための自己進化検証フレームワークである。
提案手法は, セマンティック制御された候補編集を生成し, 多段階検証パイプラインを用いて最適な戦略を選択する。
実験結果から,本手法は全試験戦略におけるシャープ比を大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-07-14T07:34:01Z) - Beyond Trajectory Imitation: Strategy-Guided Policy Optimization for LLM Reasoning [76.93011742289768]
強い言語モデルから弱い言語モデルへの推論能力の蒸留は、典型的には特定の解軌跡を模倣する。
この軌道レベルの模倣は、伝達可能な問題解決スキルの獲得よりも、インスタンス固有のステップの記憶を促進する。
再利用可能な戦略蒸留にインスタンスレベルの軌道模倣を置き換えた戦略誘導型政策最適化を提案する。
論文 参考訳（メタデータ） (2026-06-23T02:14:12Z) - Strategy Executability in Mathematical Reasoning: Leveraging Human-Model Differences for Effective Guidance [86.46794021499511]
戦略利用と戦略実行可能性の間には、これまで未定のギャップがある。
SSR(Selective Strategy Retrieval)は,実行可能性を明確にモデル化するテストタイムフレームワークである。
SSRは、直接解決、文脈内学習、単一ソースガイダンスよりも信頼性が高く一貫した改善をもたらす。
論文 参考訳（メタデータ） (2026-02-26T03:34:23Z) - Experience-Guided Adaptation of Inference-Time Reasoning Strategies [49.954515048847874]
Experience-Guided Reasoner (EGuR) は蓄積された経験に基づいて推論時に調整された戦略を生成する。
EGuRは最強のベースラインに対して最大14%の精度向上を実現し、計算コストを最大111倍に削減する。
論文 参考訳（メタデータ） (2025-11-14T17:45:28Z) - Plan before Solving: Problem-Aware Strategy Routing for Mathematical Reasoning with LLMs [49.995906301946]
既存の手法は通常、数学的推論を行うためにLLM(Large Language Models)をガイドするための固定戦略を利用する。
分析の結果,単一戦略は問題固有の要件に適応できず,有効性と効率性のトレードオフを見落としていることが明らかとなった。
本稿では,PRISM(Planning and Routing through Instance-Specific Modeling)を提案する。
論文 参考訳（メタデータ） (2025-09-29T07:22:41Z) - Counterfactual Strategies for Markov Decision Processes [3.42834279186368]
マルコフ決定過程(MDP)に対する反実的戦略を導入する。
MDP実行中、戦略はどのアクションが次に実行されるかを決定する。
限界以下の確率を減少させるために、初期戦略に対する最小限の変更を識別する。
論文 参考訳（メタデータ） (2025-05-14T14:07:27Z) - SPIO: Ensemble and Selective Strategies via LLM-Based Multi-Agent Planning in Automated Data Science [1.1343849658875087]
大規模言語モデル(LLM)は、動的推論と適応性を有効にすることで、自動データ分析と機械学習に革命をもたらした。
4つの主要なモジュールをまたいだマルチエージェントプランニングを編成する新しいフレームワークであるSPIOを提案する。
各モジュールでは、専用の計画エージェントが独立して、後続のステージにカスケードする候補戦略を生成し、包括的な探索を促進する。
論文 参考訳（メタデータ） (2025-03-30T04:45:32Z) - EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning [69.55982246413046]
戦略的推論のための明示的なポリシー最適化(EPO)を提案する。
我々は,マルチターン強化学習(RL)による戦略的推論モデルを訓練し,プロセス報酬と反復的な自己プレイを活用する。
本研究は, EPOに出現する様々な協調的推論機構と, 新規戦略の創出における有効性を明らかにするものである。
論文 参考訳（メタデータ） (2025-02-18T03:15:55Z) - Optimal Execution with Reinforcement Learning [0.15469452301122175]
本研究では,強化学習による最適実行戦略の開発について検討する。
本稿では,独自のMDPの定式化を行い,提案手法の結果を確認し,標準実行戦略に対して性能をベンチマークする。
その結果, 強化学習エージェントは, 標準的な戦略よりも優れ, 実世界のトレーディングアプリケーションに実用的な基盤を提供することがわかった。
論文 参考訳（メタデータ） (2024-11-10T08:21:03Z) - SMART: Self-learning Meta-strategy Agent for Reasoning Tasks [44.45037694899524]
SMART(Self-learning Meta-Strategy Agent for Reasoning Tasks)は、LMが様々な推論タスクの最も効果的な戦略を学習し、選択できる新しいフレームワークである。
我々は、戦略選択プロセスをマルコフ決定プロセスとしてモデル化し、強化学習による継続的自己改善を活用する。
実験の結果,SMARTは外部ガイダンスを使わずに最適な戦略を選択する能力を大幅に向上することが示された。
論文 参考訳（メタデータ） (2024-10-21T15:55:04Z) - Universal Trading for Order Execution with Oracle Policy Distillation [99.57416828489568]
本稿では,不完全な市場状態と注文実行のための最適な行動シーケンスとのギャップを埋める,新たなユニバーサル取引ポリシー最適化フレームワークを提案する。
本研究の枠組みは,完全情報を持つ託宣教師による実践的最適実行に向けて,共通政策の学習を指導する上で有効であることを示す。
論文 参考訳（メタデータ） (2021-01-28T05:52:18Z) - Improved active output selection strategy for noisy environments [0.0]
モデルベースのキャリブレーションに必要なテストベンチ時間をテスト設計のためのアクティブラーニングメソッドで削減できます。
本稿では,アクティブ出力選択のための改良戦略を提案する。
論文 参考訳（メタデータ） (2021-01-10T08:27:30Z)
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。