論文の概要: AI Trading: Evaluating Large Language Models for Technical Market Analysis
- arxiv url: http://arxiv.org/abs/2607.15414v1
- Date: Thu, 16 Jul 2026 19:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.689371
- Title: AI Trading: Evaluating Large Language Models for Technical Market Analysis
- Title（参考訳）: AIトレーディング - 技術市場分析のための大規模言語モデルの評価
- Abstract要約: 大規模言語モデル(LLM)は、現代金融市場の異種情報環境を処理する強力なツールとして登場した。
本稿では,GPT-4 Turbo, Claude 3 Opus, Gemini 1.5 Pro, Llama 3 70B, and the domain-specialized FinGPTの5つのLLMの系統的比較評価を行った。
LLMはAIトレーディングシステム内で真に約束するが、ロバストなデプロイメントには、注意深いタスクの分解、厳格なバックテストプロトコル、ドメイン対応の微調整戦略が必要です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large Language Models (LLMs) have emerged as powerful tools for processing the heterogeneous information environments of modern financial markets. This paper presents a systematic, comparative evaluation of five prominent LLMs: GPT-4 Turbo, Claude 3 Opus, Gemini 1.5 Pro, Llama 3 70B, and the domain-specialized FinGPT, with respect to their capacity for technical market analysis. The evaluation spans four structured tasks: candlestick pattern recognition from OHLCV data, directional signal generation (BUY/SELL/HOLD), backtesting of signal quality through a simulated execution pipeline, and financial report comprehension. Our experimental framework employs rigorous quantitative metrics, including Sharpe ratio, maximum drawdown, Sortino ratio, information coefficient, F1-score, and BLEU score. Findings from simulated backtesting indicate that GPT-4 Turbo achieves the highest annualized return and Sharpe ratio among general-purpose models, while FinGPT demonstrates competitive risk-adjusted performance due to domain-specific fine-tuning. Both models outperform a passive S&P 500 benchmark under the tested conditions. The study identifies persistent failure modes across all evaluated models, including numerical hallucination, context-window limitations, and inconsistent performance in sideways market regimes. We conclude that while LLMs hold genuine promise within AI trading systems, robust deployment requires careful task decomposition, rigorous backtesting protocols, and domain-aware fine-tuning strategies.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、現代金融市場の異種情報環境を処理する強力なツールとして登場した。
本稿では,GPT-4 Turbo, Claude 3 Opus, Gemini 1.5 Pro, Llama 3 70B, and the domain-specialized FinGPTの5つのLLMを,技術市場分析の能力に関して,系統的に比較評価する。
評価は、OHLCVデータからのキャンドルスティックパターン認識、指向性信号生成(BUY/SELL/HOLD)、シミュレートされた実行パイプラインによる信号品質のバックテスト、財務報告の理解の4つにまたがる。
実験フレームワークではシャープ比,最大ドローダウン,ソルティーノ比,情報係数,F1スコア,BLEUスコアなど,厳密な定量値を用いている。
シミュレーションバックテストの結果,GPT-4 Turboは汎用モデルの中で最も高い年次リターン率とシャープ比を達成し,FinGPTはドメイン固有の微調整による競合リスク調整性能を示した。
どちらのモデルもテスト条件下では受動的S&P 500ベンチマークを上回っている。
この研究は、数値幻覚、コンテキストウインドウの制限、サイドサイド市場における不整合性パフォーマンスを含む、すべての評価モデルにまたがる永続的障害モードを特定する。
LLMはAIトレーディングシステム内で真に約束するが、ロバストなデプロイメントには、注意深いタスクの分解、厳格なバックテストプロトコル、ドメイン対応の微調整戦略が必要です。
関連論文リスト
- PEFT of SLM for Telecommunications Customer Support: A Comparative Study of LoRA Configurations with Energy Consumption Analysis [0.0]
大規模言語モデル(LLM)は、自然言語の理解と生成において高い性能を示すが、通信顧客サポートにおけるドメイン固有の制約に対する評価と適応は依然として限られている。
本稿では,Qwen2.5-3Bに適用された低ランク適応(LoRA)を用いたパラメータ効率細調整(PEFT)の系統的研究を行い,ドメイン固有の対話アシスタントを構築する。
Gemini Geminiを動力とする生成パイプラインを通じて,1,560の異なる問題シナリオに対して約30,000のトレーニング例を生成する。
論文 参考訳（メタデータ） (2026-04-17T09:56:18Z) - When Punctuation Matters: A Large-Scale Comparison of Prompt Robustness Methods for LLMs [55.20230501807337]
本報告では, 統一実験フレームワーク内での迅速なロバスト性向上のための5つの手法の体系的評価を行う。
Llama、Qwen、Gemmaファミリーの8つのモデルに対して、Natural Instructionsデータセットから52のタスクをベンチマークする。
論文 参考訳（メタデータ） (2025-08-15T10:32:50Z) - LLMEval-3: A Large-Scale Longitudinal Study on Robust and Fair Evaluation of Large Language Models [51.55869466207234]
静的ベンチマークにおけるLLM(Large Language Models)の既存の評価は、データの汚染やリーダーボードのオーバーフィッティングに弱い。
LLMの動的評価のためのフレームワークであるLLMEval-3を紹介する。
LLEval-3は、220kの卒業生レベルの質問からなるプロプライエタリなバンク上に構築されており、評価実行毎に未確認のテストセットを動的にサンプリングする。
論文 参考訳（メタデータ） (2025-08-07T14:46:30Z) - Reliable Decision Support with LLMs: A Framework for Evaluating Consistency in Binary Text Classification Applications [0.7124971549479361]
本研究では,大言語モデル(LLM)のバイナリテキスト分類における一貫性を評価するフレームワークを提案する。
我々は,サンプルサイズ要件を定め,不適切な応答の指標を開発し,レータ内およびレータ間信頼性を評価する。
論文 参考訳（メタデータ） (2025-05-20T21:12:58Z) - Assessing Consistency and Reproducibility in the Outputs of Large Language Models: Evidence Across Diverse Finance and Accounting Tasks [0.0]
さまざまな財務資料やデータから340万以上のアウトプットを生成します。
より高度なモデルは一貫性を常に示さず、高い合意を維持する。
3-5の単純なアグリゲーション戦略は、一貫性を劇的に改善する。
論文 参考訳（メタデータ） (2025-03-21T09:43:37Z) - FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。
FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
論文 参考訳（メタデータ） (2025-02-26T05:19:16Z) - Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation [0.0]
我々は4つの主要結合カテゴリ(AAA、BAA、US10Y)の高忠実な合成結合収率データを生成する。
我々は、取引信号、リスク評価、ボラティリティ予測を生成する微調整されたLarge Language Model (LLM) Qwen2.5-7Bを採用している。
強化学習による合成データ生成は、平均絶対誤差が0.103に達し、実世界の債券市場のダイナミクスを複製する効果を実証する。
論文 参考訳（メタデータ） (2025-02-24T09:46:37Z) - Benchmarking Post-Training Quantization in LLMs: Comprehensive Taxonomy, Unified Evaluation, and Comparative Analysis [89.60263788590893]
後学習量子化(PTQ)技術は大規模言語モデル(LLM)圧縮に広く採用されている。
既存のアルゴリズムは主にパフォーマンスに重点を置いており、モデルサイズ、パフォーマンス、量子化ビット幅間のトレードオフを見越している。
本稿では LLM PTQ のための新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2025-02-18T07:35:35Z) - The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。
本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。
我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
論文 参考訳（メタデータ） (2025-01-20T06:35:01Z) - Innovative Sentiment Analysis and Prediction of Stock Price Using FinBERT, GPT-4 and Logistic Regression: A Data-Driven Approach [0.0]
本研究では、感情分析と株価指数予測のための最先端AIモデル、すなわちTranssformers (FinBERT)、Generatice Pre-trained Transformer GPT-4、Logistic Regressionの比較パフォーマンスについて検討する。
GPT-4やFinBERTといった高度な自然言語処理モデルと従来の機械学習モデルであるロジスティック回帰を活用することで、市場の感情を分類し、感情スコアを生成し、市場価格の動きを予測することを目指している。
論文 参考訳（メタデータ） (2024-12-07T05:20:31Z) - Automatic Evaluation for Text-to-image Generation: Task-decomposed Framework, Distilled Training, and Meta-evaluation Benchmark [62.58869921806019]
GPT-4oに基づくタスク分解評価フレームワークを提案し、新しいトレーニングデータセットを自動構築する。
我々は、GPT-4oの評価能力を7BオープンソースMLLM、MiniCPM-V-2.6に効果的に蒸留するための革新的なトレーニング戦略を設計する。
実験結果から,我々の蒸留したオープンソースMLLMは,現在のGPT-4oベースラインよりも有意に優れていた。
論文 参考訳（メタデータ） (2024-11-23T08:06:06Z)
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。