論文の概要: EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents

• arxiv url: http://arxiv.org/abs/2609.17632v1
• Date: Tue, 15 Sep 2026 10:35:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.465909
• Title: EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents
• Title（参考訳）: EvolveTrade: 自己進化型LLMトレーディングエージェントのためのエクスペリエンス駆動型ポリシーリファインメント
• Abstract要約: 大規模言語モデル(LLM)トレーディングエージェントは、市場データ、ニュース、実行可能な分析を組み合わせることができる。 それらの振る舞いは、しばしば、デプロイ前に修正された静的手書きのツール使用ポリシーによって制御される。 本稿では,ツールを用いたトレーディングエージェントのシステムプロンプトをテキストパラメータ化ポリシとして扱う自己進化型フレームワークであるEvolveTradeを紹介する。
• 参考スコア（独自算出の注目度）: 50.945280070424694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) trading agents can combine market data, news, and executable analysis, but their behavior is often controlled by static hand-written tool-use policies that are fixed before deployment. This limits their ability to adapt how they gather evidence, invoke tools, verify signals, and manage risk under changing market regimes. We introduce EvolveTrade, a self-evolving framework that treats the system prompt of a tool-using trading agent as a text-parameterized policy. After each update interval, a Policy Agent revises this policy using accumulated decision traces and realized portfolio feedback, while keeping the backbone LLM fixed. The updated policy is then used for the next batch of trading decisions, enabling the agent to refine its information-acquisition and portfolio-construction procedure over time. Experiments across multiple market regimes and two LLM backbones show that EvolveTrade often improves Sharpe Ratio and Cumulative Return over fixed-policy LLM baselines, achieving the improved SR and CR in most evaluated settings. Behavioral analyses further show that self-evolved policies increase code-mediated analysis and activate regime-relevant computations; case-level policy-to-return attributions trace how policy-induced allocation changes contribute to realized return differences. These results suggest that adapting the reusable procedure governing tool use is a key direction for building more robust LLM trading agents.
• Abstract（参考訳）: 大規模言語モデル(LLM)トレーディングエージェントは、市場データ、ニュース、実行可能分析を組み合わせることができるが、その振る舞いは、デプロイ前に修正された静的手書きツール利用ポリシーによって制御されることが多い。 これにより、証拠の収集、ツールの呼び出し、シグナルの検証、市場体制の変化によるリスク管理に適応する能力が制限される。 本稿では,ツールを用いたトレーディングエージェントのシステムプロンプトをテキストパラメータ化ポリシとして扱う自己進化型フレームワークであるEvolveTradeを紹介する。 各更新間隔の後、ポリシーエージェントは、蓄積された決定トレースを使用してポリシーを改訂し、バックボーンLLMを固定しつつ、ポートフォリオのフィードバックを実現します。 更新されたポリシーは次の取引決定のバッチに使用され、エージェントは時間とともに情報取得とポートフォリオ構築の手順を洗練できる。 複数の市場体制と2つのLCMバックボーンでの実験により、EvolveTradeは、固定的なLLMベースラインよりもシャープ比と累積リターンをよく改善し、最も評価された設定でSRとCRを改善した。 行動分析により、自己進化型政策はコード媒介分析を高め、レシエーション関連計算を活性化することが明らかとなった。 これらの結果から, 再利用可能な手続き管理ツールの活用が, より堅牢なLLMトレーディングエージェント構築の鍵となる方向であることが示唆された。

関連論文リスト

• OpenLoopEvolve: A Verifiable Self-Evolution Framework for Loop Policies in Long-Horizon Complex Tasks [17.773038952370865]
  本稿では,ループポリシーを中心とした自己進化フレームワークであるOpenLoopEvolve(OLE)について述べる。 OLEは、エージェントの観察、計画、記憶、行動、検証、回復、停止、予算管理を、バージョンと系統を持つポータブルなポリシー資産として表現する。 オンラインモードは連続的な操作からのフィードバックに基づいて候補生成をトリガーし、オフラインモードはアーカイブされたトレースと障害証拠から候補ポリシーを検索する。
  論文  参考訳（メタデータ） (2026-08-10T09:57:26Z)
• Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
  大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。 本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。 我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
  論文  参考訳（メタデータ） (2026-06-05T15:09:52Z)
• When Valid Signals Fail: Regime Boundaries Between LLM Features and RL Trading Policies [0.30458514384586394]
  大規模言語モデル(LLM)は、強化学習(RL)トレーディングエージェントを改善するための連続的な数値的特徴を生成する。 我々は,凍結したLCMがステートレスな特徴抽出器として機能するモジュールパイプラインを構築し,非構造化日報を下流のPPOエージェントが消費する固定次元ベクトルに変換する。 本研究は,分散シフト下での転帰学習における課題と並行して,特徴レベルの妥当性と政策レベルの堅牢性とのギャップを浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-04-13T04:53:06Z)
• ATLAS: Adaptive Trading with LLM AgentS Through Dynamic Prompt Optimization and Multi-Agent Coordination [13.290841962438082]
  大規模な言語モデルは、財政的な意思決定を約束する一方で、自律的なトレーディングエージェントとしてそれらを展開することは、根本的な課題を提起する。 我々は、市場、ニュース、企業の基本から構造化情報を統合する統合マルチエージェントフレームワークATLASを紹介し、ロバストな取引決定を支援する。
  論文  参考訳（メタデータ） (2025-10-10T13:01:51Z)
• 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-Pro: Learning to Evolve via Policy-Level Reflection and Optimization [53.510942601223626]
  大規模言語モデル(LLM)は多様なタスクに対して堅牢な問題解決能力を示す。 これらのタスクソルバは、タスクルールを通知し、行動を調整するために手作業によるプロンプトを必要とする。 本稿では,ポリシーレベルのリフレクションと最適化を備えた LLM ベースのエージェントである Agent-Pro を提案する。
  論文  参考訳（メタデータ） (2024-02-27T15:09:20Z)
• Mutual Information Regularized Offline Reinforcement Learning [76.05299071490913]
  我々は、データセットにおける状態と行動間の相互情報の観点から、オフラインRLにアプローチする新しいMISAフレームワークを提案する。 この下位境界の最適化は、オフラインデータセット上での一段階改善されたポリシーの可能性の最大化と等価であることを示す。 MISAの3つの異なる変種を導入し、より厳密な相互情報によりオフラインのRL性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-10-14T03:22:43Z)

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。