論文の概要: Fin-Analyst at FinMMEval 2026 Task 3: A Live Hybrid Trading Agent with LLM Specialists and Rule-Based Signals
- arxiv url: http://arxiv.org/abs/2607.12233v1
- Date: Tue, 14 Jul 2026 00:27:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.999614
- Title: Fin-Analyst at FinMMEval 2026 Task 3: A Live Hybrid Trading Agent with LLM Specialists and Rule-Based Signals
- Title（参考訳）: FinMMEval 2026 Task 3: Live Hybrid Trading Agent with LLM Specialists and Rule-Based Signals
- Authors: Mohotarema Rashid, Lingzi Hong, Junhua Ding, K. S. M. Tozammel Hossain,
- Abstract要約: Fin-AnalystはFinMMEval 2026 Task 3のハイブリッドエージェントで、ニュース、SECの申請、基礎、アナリスト予測、技術的指標、社会的感情に関する8つの専門的なLLMパイプラインであり、TeslaのMeta-Agent(TSLA)によって集約されている。
最終予選(2026-07-05)では、フィン・アナリストがTSLAの全てのエージェントの1位となり、+13.51%のリターン、+28.33ポイントがバイ・アンド・ホールド(シャープ4.10、88%の勝利率)を上回った。
中間性能に対して、資産ランキングは逆転し、短いライブウィンドウがボラティリティに敏感なランキングをもたらすことを示す。
- 参考スコア（独自算出の注目度）: 1.9607607228028596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM) trading agents show promising performance in equity markets, yet remain narrowly focused on US equities with little evidence from live deployment. We present Fin-Analyst, a hybrid agent for FinMMEval 2026 Task 3: an eight-specialist LLM pipeline over news, SEC filings, fundamentals, analyst forecasts, technical indicators, and social sentiment, aggregated by a Meta-Agent for Tesla (TSLA), and a lightweight rule based three-signal vote for Bitcoin (BTC). On the final official leaderboard (accessed 2026-07-05), Fin-Analyst ranks first of all agents on TSLA with a +13.51% return, +28.33 points over Buy-and-Hold (Sharpe 4.10, 88% win rate), while the BTC vote ends flat yet well above a sharply falling baseline. Relative to the interim performance, the asset ranking reversed, indicating that short live windows yield volatility-sensitive rankings. Ablation identifies event-driven 8-K disclosures as the most influential TSLA signal. Error analysis shows that the memoryless agents repeat wrong calls for days at a time, and that the fixed-threshold BTC rules lost money by trading on noise in a sideways market while the LLM pipeline gained under similar conditions, motivating a memory-aware, LLM-based successor for both assets.
- Abstract（参考訳）: 大型言語モデル(LLM)のトレーディングエージェントは、株式市場で有望なパフォーマンスを示しているが、米国の株式に焦点を絞ったままであり、ライブ展開の証拠はほとんどない。
我々は、FinMMEval 2026 Task 3のハイブリッドエージェントであるFin-Analystを紹介します:ニュース、SECの申請、基礎、アナリスト予測、技術的指標、社会的な感情に関する8つの専門的なLLMパイプライン。
最終予選(2026-07-05)では、Fin-AnalystがTSLAで+13.51%のリターンで1位、+28.33ポイントがバイ・アンド・ホールド(シャープ4.10, 88%の勝利率)を上回り、BTCの投票は急落したベースラインをはるかに上回っている。
暫定的なパフォーマンスとは対照的に、資産のランキングは逆転し、短いライブウィンドウがボラティリティに敏感なランキングをもたらすことを示している。
アブレーションは、イベント駆動8-K開示を最も影響力のあるTSLA信号として同定する。
エラー分析は、メモリレスエージェントが一度に何日も間違った呼び出しを繰り返すことを示し、固定閾値のBTCルールは、サイドウェイ市場におけるノイズのトレーディングによってお金を失い、LSMパイプラインは同様の条件下で成長し、メモリを意識したLLMベースの後継機を両方の資産に動機付けていることを示している。
関連論文リスト
- Paper Agents, Paper Gains: An Empirical Analysis of DeFi Investment Agents [1.2615560815195466]
自律的オンチェーン取引にAIを使用するシステムであるDeFi投資エージェントは、2024年後半から30億ドル(約3100億円)のトークンバリュエーションを達成している。
我々は1,900以上のAIタグ付き暗号プロジェクトを調査し、投資中心のエージェントにフィルターをかけ、戦略と可観測性にまたがる10の代表的なプロジェクトをキュレートした。
論文 参考訳（メタデータ） (2026-05-27T23:21:42Z) - 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) - 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) - An Adaptive Multi Agent Bitcoin Trading System [0.0]
本稿では,Large Lan-guage Models(LLMs)を暗号通貨市場でのアルファ生成とポートフォリオ管理に利用したMulti Agent Bitcoinトレーディングシステムを提案する。
提案するフレームワークは,LLMを技術分析,感情評価,意思決定,パフォーマンスリフレクションの専門エージェントに構造化することで,この問題を克服する。
2024年7月から2025年4月までのBitcoin価格データのバックテストでは、市場体制全体で一貫したパフォーマンスが見られた。
論文 参考訳（メタデータ） (2025-10-09T10:55:52Z) - 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) - 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。