論文の概要: ShiJianBench: From Dialogue to Decision for Long-Horizon Evaluation of Investment Advisors
- arxiv url: http://arxiv.org/abs/2608.01204v1
- Date: Sun, 02 Aug 2026 12:41:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.123449
- Title: ShiJianBench: From Dialogue to Decision for Long-Horizon Evaluation of Investment Advisors
- Title（参考訳）: ShiJianBench:投資アドバイザーの長期評価のための対話から意思決定へ
- Abstract要約: 我々は、一致する投資家軌跡を通して対話型投資アドバイザを評価するオフラインフレームワークであるShiJianBenchを紹介する。
コアとなるのはマルチエージェントの投資家シミュレータで、明確に進化する状態変数、モチベーション駆動による熟考、長期記憶、対話ベース更新がある。
2021年から2026年にかけての中国のファンド市場に関する実験では、より強力なパーソナライズされたコンテンツと競合する投資家側の軌道結果を組み合わせた、安定したLLMアドバイザのグループが特定されている。
- 参考スコア（独自算出の注目度）: 44.51855262774783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversational investment advisors influence not only what users know, but also how they make subsequent decisions as market conditions evolve. Existing evaluations primarily assess response quality or observed outcomes, leaving the long-horizon pathway from advisor language to investor behavior difficult to audit. We introduce ShiJianBench, an offline framework for evaluating conversational investment advisors through matched investor trajectories under fixed historical market feedback. At its core is a multi-agent investor simulator with explicit evolving state variables, motive-driven deliberation, long-term memory, and dialogue-grounded updates. The simulator is calibrated against aggregate behavioral patterns from 7,199 real users, and advisor policies are evaluated using separate investor-side, service-side, and content-side metrics under a hard compliance gate. Experiments on Chinese fund-market traces from 2021 to 2026 identify a stable leading group of LLM advisors that combines substantially stronger personalized content with competitive investor-side trajectory outcomes. These results reveal a systematic distinction between producing a high-quality response and delivering an effective long-horizon intervention, motivating trajectory-aware evaluation of conversational advisors.
- Abstract（参考訳）: 会話型の投資アドバイザは、ユーザが知っていることだけでなく、市場状況が進化するにつれて、その後の意思決定方法にも影響を及ぼす。
既存の評価は、主に応答の質や観察結果を評価し、ロングホライゾンの経路をアドバイザ言語から投資家の行動に委ねることが困難である。
固定された市場フィードバックの下で、一致する投資家軌道を通じて、対話型投資アドバイザを評価するオフラインフレームワークであるShiJianBenchを紹介する。
コアとなるのはマルチエージェントの投資家シミュレータで、明確に進化する状態変数、モチベーション駆動による熟考、長期記憶、対話ベース更新がある。
シミュレータは、実際のユーザ7,199の集合行動パターンに対して校正され、アドバイザポリシは、ハードコンプライアンスゲートの下で、別々の投資家側、サービス側、コンテンツ側メトリクスを使用して評価される。
2021年から2026年にかけての中国のファンド市場に関する実験では、より強力なパーソナライズされたコンテンツと競合する投資家側の軌道結果を組み合わせた、安定したLLMアドバイザのグループが特定されている。
これらの結果から,高品質な応答の創出と,効果的な長期的介入の提供と,対話的助言者の軌跡認識評価の動機付けの系統的区別が明らかとなった。
関連論文リスト
- Regime-Aware Portfolio Management via Retrieval-Augmented LLM-Guided Expert Switching [3.0795668932789515]
本研究は,検索強化されたエキスパート・スイッチング・フレームワークを提案する。
同様の市場状況下での過去の業績に基づいて専門家を選別する。
暗号通貨、株式、外国為替市場での実験では、提案されたセレクタが最も高い累積リターン率とシャープ比を達成したことが示されている。
論文 参考訳（メタデータ） (2026-08-28T12:15:54Z) - Your AI, On a Dial: Controlling Investment Bias in LLMs with a Single Neuron [76.4407829130164]
モデル全体の投資姿勢が、特定の方向と強さに調整できるかどうかを検討する。
我々は、単一ニューロンに対する推測時間介入である投資バイアスダイヤルを導入する。
このダイヤルは、プロンプトやモデルパラメータを変更することなく、投資姿勢の単調な変化を生じさせる。
論文 参考訳（メタデータ） (2026-08-24T06:33:02Z) - Fund2Persona: A Framework for Building and Refining Financial Advisor Personas from Fund Disclosure Data [92.72860874355746]
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。
論文 参考訳（メタデータ） (2026-06-29T05:14:43Z) - 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) - DIALECTIC: A Multi-Agent System for Startup Evaluation [2.5358402189416704]
スタートアップ評価のためのLLMベースのマルチエージェントシステムであるDIALECTICを紹介する。
まずスタートアップに関する事実を収集し、これらの事実を階層的な質問ツリーにまとめる。
その後、投資と反対の自然言語の議論に事実を合成し、反復的に批判し、シミュレートされた議論を通じてこれらの議論を洗練する。
当社のシステムは、投資家がランク付けし、効率よく機会を優先できるような数値的な意思決定スコアも生成する。
論文 参考訳（メタデータ） (2026-02-19T11:40:36Z) - Conv-FinRe: A Conversational and Longitudinal Benchmark for Utility-Grounded Financial Recommendation [33.09732020656996]
ストックレコメンデーションのためのベンチマークであるConv-FinReを導入する。
我々は、実際の市場データと人間の意思決定軌跡からベンチマークを構築し、制御されたアドバイザリー会話をインスタンス化し、最先端のLCMのスイートを評価する。
その結果、合理的な意思決定品質と行動整合性の持続的な緊張が明らかとなった。
論文 参考訳（メタデータ） (2026-02-19T01:29:50Z) - LLM Agents as VC investors: Predicting Startup Success via RolePlay-Based Collective Simulation [13.180519641845398]
SimVC-CASは、ベンチャーキャピタルの意思決定をマルチエージェントインタラクションプロセスとしてシミュレートする、新しい総合エージェントシステムである。
我々は,SimVC-CASが解釈可能な多パースペクティブ推論を提供しながら,予測精度を著しく向上することを示した。
論文 参考訳（メタデータ） (2025-12-27T14:34:44Z) - Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。
本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。
PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
論文 参考訳（メタデータ） (2025-09-23T14:44:46Z) - LeCoDe: A Benchmark Dataset for Interactive Legal Consultation Dialogue Evaluation [68.26911563519162]
法的協議は、個人の権利を保護し、司法へのアクセスを確保するために不可欠である。
現在のシステムは、現実世界のコンサルティングの対話的かつ知識集約的な性質を扱うのに不足している。
LeCoDeは3,696件の法的相談対話と110,008件の対話を含む実世界のマルチターンベンチマークデータセットである。
論文 参考訳（メタデータ） (2025-05-26T08:24:32Z) - 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) - Learning Risk Preferences from Investment Portfolios Using Inverse
Optimization [25.19470942583387]
本稿では,既存ポートフォリオからのリスク嗜好を逆最適化を用いて測定する手法を提案する。
我々は、20年間の資産価格と10年間の相互ファンドポートフォリオ保有からなる実市場データについて、本手法を実証する。
論文 参考訳（メタデータ） (2020-10-04T21:29:29Z)
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。