論文の概要: Can Agentic Trading Systems Pay for Their Own Intelligence?
- arxiv url: http://arxiv.org/abs/2607.10286v1
- Date: Sat, 11 Jul 2026 12:31:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.381377
- Title: Can Agentic Trading Systems Pay for Their Own Intelligence?
- Title（参考訳）: エージェント・トレーディング・システムは自分たちの知性に支払えるのか?
- Abstract要約: エージェント取引システムを評価するためのトレーサグラウンド診断ツールキットであるTradeLensを紹介する。
バックボーンモデル、資本規模、取引頻度、システムアーキテクチャを幅広く分析する。
以上の結果から,インテリジェンスと営利の両面での両立が示唆された。
- 参考スコア（独自算出の注目度）: 42.600136171993874
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large language model (LLM) agents are increasingly used in trading systems, where model reasoning, tool use, and continual decisions incur costs that are expected to produce trading value. Existing evaluations typically report performance metrics, but rarely examine agentic viability: whether dynamic LLM-mediated decisions convert their induced costs into measurable incremental profit. To apply this criterion, we introduce TradeLens, a trace-grounded diagnostic toolkit for evaluating agentic trading systems from their trading records, runtime traces, and deployment configurations. It reconstructs trading trajectories, attributes profit and cost to interpretable evidence, and diagnoses whether and why an agent pays for its own intelligence. We conduct extensive analysis across backbone models, capital scales, trading frequencies, and system architectures, together with deployment discussion. Our results show that viability hinges on intelligence-to-profit conversion: models exhibit different failure patterns, such as poor asset selection in DeepSeek-V3.2 and negative timing in GLM-4.7, while capital scale, trading frequency, and architecture matter only by amplifying or degrading decision-attributed timing value. These findings reframe the evaluation of LLM-based trading agents from capability-centric performance ranking to trace-grounded diagnosis of intelligence-to-profit conversion. Our code is available at https://anonymous.4open.science/r/TradeLens.
- Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、モデル推論、ツールの使用、継続的な決定が取引価値を生み出すと期待されるコストを発生させるトレーディングシステムにおいて、ますます使われている。
既存の評価では、パフォーマンス指標を報告しているが、エージェントの生存可能性を調べることは滅多にない。
この基準を適用するために、トレーディングレコード、ランタイムトレース、デプロイメント設定からエージェントトレーディングシステムを評価するためのトレーディンググラウンド診断ツールキットであるTradeLensを導入する。
取引の軌跡を再構築し、証拠を解釈するために利益とコストを考慮し、エージェントが自身の知性のために支払っているかどうかを診断する。
バックボーンモデル、資本規模、取引頻度、システムアーキテクチャをまたいだ広範な分析とデプロイメントの議論を行います。
この結果から,DeepSeek-V3.2における資産選択の不備やGLM-4.7における負のタイミングなど,さまざまな失敗パターンを示すモデルや,資本規模,取引頻度,アーキテクチャ上の問題などは,意思決定に起因したタイミング値の増幅や劣化によってのみ実現可能であることがわかった。
これらの知見は, LLMに基づく取引エージェントの評価を, 能力中心のパフォーマンスランキングから, インテリジェンス・ツー・営利変換のトレース・グラウンド・診断へと再構成した。
私たちのコードはhttps://anonymous.4open.science/r/TradeLens.comで利用可能です。
関連論文リスト
- Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems [103.90831279037094]
LLMベースのマルチエージェントトレーディングシステムは、研究プロトタイプから実際の資産を管理するライブデプロイメントへと急速に移行している。
破損した信号は最終決定に伝播し、実現された財政損失に変換される。
本稿では,金融分野において,敵対的信号がマルチエージェント取引システムにどのように入るのかを特徴付ける最初の体系的実証的研究について述べる。
論文 参考訳（メタデータ） (2026-08-25T05:07:37Z) - Beyond Agent Architecture: Execution Assumptions and Reproducibility in LLM-Based Trading Systems [5.264406906731695]
本稿では,大規模言語モデル(LLM)トレーディング研究における実行リアリズムのトピックレビューと監査について述べる。
30の貿易関連一次研究をカバーする符号化されたエビデンスマトリックスは、ポイントインタイム制御、分割透明性、ホールドアウト評価、コストとターンオーバー処理、実行セマンティクス、宇宙の定義、アーティファクトリリースを評価するために使用される。
論文 参考訳（メタデータ） (2026-06-06T18:14:29Z) - From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets [34.699961175708815]
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。
論文 参考訳（メタデータ） (2026-05-27T11:57:10Z) - 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) - 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) - TradingGroup: A Multi-Agent Trading System with Self-Reflection and Data-Synthesis [15.865159423176982]
TradingGroupは、セルフリフレクティブアーキテクチャとエンドツーエンドのデータ合成パイプラインを通じて制限に対処するために設計されたマルチエージェントトレーディングシステムである。
TradingGroupは、ニュース感情分析、財務報告解釈、株価トレンド予測、トレーディングスタイル適応、トレーディング意思決定エージェントのための専門エージェントで構成されている。
具体的には、ストック予測、スタイル、意思決定エージェントのための自己回帰機構を設計し、過去の成功と失敗を、類似した将来のシナリオで同様の推論のために蒸留する。
論文 参考訳（メタデータ） (2025-08-25T00:29:58Z) - To Trade or Not to Trade: An Agentic Approach to Estimating Market Risk Improves Trading Decisions [0.0]
大規模言語モデル(LLM)はますますエージェントフレームワークにデプロイされている。
我々は LLM を用いて金融時系列の微分方程式を反復的に発見するエージェントシステムを開発した。
モデルインフォームドトレーディング戦略は標準LLMエージェントよりも優れていた。
論文 参考訳（メタデータ） (2025-07-11T13:29:32Z) - Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。
LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
論文 参考訳（メタデータ） (2025-02-25T08:41:01Z) - 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。