論文の概要: Fund2Persona: A Framework for Building and Refining Financial Advisor Personas from Fund Disclosure Data

• arxiv url: http://arxiv.org/abs/2606.29793v2
• Date: Tue, 30 Jun 2026 06:50:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 13:50:27.727819
• Title: Fund2Persona: A Framework for Building and Refining Financial Advisor Personas from Fund Disclosure Data
• Title（参考訳）: Fund2Persona: 資金開示データからファイナンシャルアドバイザーペルソナを構築・精査するためのフレームワーク
• Abstract要約: 我々は、資金開示、上場、市場状況、マネジャーのコメンタリーに財務担当のペルソナを基盤とするフレームワークであるFund2Personaを提案する。 得られたペルソナを,保留型保留型保留型再建とマネジャー・コンパートリーアライメントで評価した。 これらの結果は、ファンドデータに基づく金融アドバイザーの人格は、マネジャー固有の投資専門知識をポータブルにすることができることを示唆している。
• 参考スコア（独自算出の注目度）: 92.72860874355746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Demand for personalized financial advising is growing, but consistent advisor expertise is difficult to obtain, scale, and encode in LLM systems. Simple persona prompts rarely specify how a financial advisor should reason and often drift toward generic recommendations. We propose Fund2Persona, a framework that grounds financial-advisor personas in fund disclosures, holdings transitions, market context, and manager commentary, then refines them through an agentic actor--scorer--patcher loop. We evaluate the resulting personas on held-out holdings-transition reconstruction and manager-commentary alignment, where they better recover portfolio decisions and grounded manager interpretation than generic baselines. We further study two downstream diagnostics: market-scenario generation, where persona retrieval broadens plausible investment views beyond repeated generic rollouts, and advisory dialogues grounded in investor profiles, where matched personas give more specific and useful advice than a generic advisor. These results suggest that fund-data-grounded financial-advisor personas can make manager-specific investment expertise portable rather than merely changing an LLM's surface style.
• Abstract（参考訳）: パーソナライズされた金融アドバイザリングの需要は増加しているが、LCMシステムにおいて一貫したアドバイザの専門知識の獲得、拡大、エンコードは困難である。 単純なペルソナのプロンプトは、金融アドバイザーが理由を定めることは滅多になく、一般的なレコメンデーションへと流れていく。 我々は、資金開示、取引、市場状況、マネジャーのコメンタリーに金融アドバイザーのペルソナを基盤とするフレームワークであるFund2Personaを提案し、エージェントアクタ-スコラー-パッチャーループを通じてそれらを洗練する。 ポートフォリオ決定を回復し、総合的ベースラインよりも管理者の解釈を基礎とした、保留の保留-保留-保留-保留-保留-保留-保留-調整のペルソナを評価した。 さらに、2つの下流診断手法について検討する:マーケット・セサリオ生成、ペルソナ検索は、繰り返し実施される一般的な展開を超えて、妥当な投資視点を広げる、そして投資家のプロフィールに基づくアドバイザリー対話では、マッチングされたペルソナがジェネリックアドバイザよりも具体的で有用なアドバイスを与える。 これらの結果から, LLMの表面形態を変えるのではなく, 運用者固有の投資専門知識を携帯化できる可能性が示唆された。

関連論文リスト

• One Size Fits None: Heuristic Collapse in LLM Investment Advice [0.0]
  大規模言語モデルは、ハイテイクドメインのアドバイザとしてますます多くデプロイされている。 我々は、フロンティアLSMが実際にこれを行うか、代わりに崩壊を示すかを検討する。 投資配分の決定は、主に自己申告されたリスク寛容によって決定されるが、他の関連する要因は最小限に寄与する。
  論文  参考訳（メタデータ） (2026-04-26T18:45:11Z)
• Same Claim, Different Judgment: Benchmarking Scenario-Induced Bias in Multilingual Financial Misinformation Detection [64.75447949495307]
  大規模言語モデル (LLM) は金融分野に広く適用されている。 行動バイアスは、意思決定における不安定性と不確実性をもたらす可能性がある。 mfmdscenは様々な経済シナリオで mfmdの行動バイアスを評価するベンチマークです
  論文  参考訳（メタデータ） (2026-01-08T22:00:32Z)
• Learning to Manage Investment Portfolios beyond Simple Utility Functions [0.9999629695552193]
  本稿では,明示的なユーティリティ仕様を必要とせずに,資金運用戦略の潜在的表現を学習する生成フレームワークを提案する。 当社の枠組みを、米国の株式相互資金1436のデータセットで検証する。 我々のフレームワークは、市場シミュレーション、戦略属性、規制監督におけるアプリケーションの投資戦略を特徴付けるためのデータ駆動型アプローチを提供する。
  論文  参考訳（メタデータ） (2025-10-30T06:01:20Z)
• 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)
• Your AI, Not Your View: The Bias of LLMs in Investment Analysis [62.388554963415906]
  金融において、Large Language Models (LLMs) は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違から生じる、頻繁な知識紛争に直面している。 これらの対立は、モデル固有のバイアスが制度的目的と誤認される現実世界の投資サービスにおいて特に問題となる。 本研究では,このような紛争シナリオにおける創発的行動を調べるための実験的枠組みを提案し,投資分析におけるバイアスの定量的分析を行う。
  論文  参考訳（メタデータ） (2025-07-28T16:09:38Z)
• Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
  本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。 FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。 これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
  論文  参考訳（メタデータ） (2025-05-26T02:41:50Z)
• Are Generative AI Agents Effective Personalized Financial Advisors? [12.075577560952498]
  本稿では,金融分野における大規模言語モデルに基づくエージェントの有効性について検討する。 本研究は,(1)ユーザ自身のニーズが不確実である場合のユーザ嗜好の付与,(2)多様な投資嗜好に対するパーソナライズされたガイダンスの提供,(3)アドバイザ・パーソナリティの活用による関係構築と信頼の育成,という3つの課題に焦点をあてる。
  論文  参考訳（メタデータ） (2025-04-08T09:41:03Z)
• Will LLMs be Professional at Fund Investment? DeepFund: A Live Arena Perspective [10.932591941137698]
  大規模言語モデル(LLM)は、様々な領域にまたがって印象的な能力を示してきたが、財務的な意思決定におけるその効果は、いまだに不十分である。 実環境におけるLCMベースのトレーディング戦略を評価するための総合的なアリーナプラットフォームであるDeepFundを紹介する。 当社のアプローチでは,実世界の投資決定プロセスを実現する上で,複数の重要な役割を担うマルチエージェントフレームワークを実装している。
  論文  参考訳（メタデータ） (2025-03-24T03:32:13Z)
• Which Matters Most in Making Fund Investment Decisions? A Multi-granularity Graph Disentangled Learning Framework [47.308959396996606]
  我々は,投資商品の知的マッチングを効果的に行うため,MGDLという新しいM言語グラニュラリティグラフ分散学習フレームワークを開発した。 特定のセマンティクスでより強い非絡み合い表現を実現するため、MGDLは2つの自己監督信号、すなわちファンドタイプのコントラストとファンドの人気を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-11-23T09:08:43Z)
• Holder Recommendations using Graph Representation Learning & Link Prediction [0.0]
  現在のメソッドは、特定の製品分類とリターン、手数料、カテゴリなどの属性に基づいて、リードをサーフェスします。 本稿では,金融商品の保有者空間にリードレコメンデーションシステムを構築するための包括的データ駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-10T16:36:17Z)

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。