論文の概要: LiveOption: Evaluating LLM Agents in Structured Option Trading with Nonlinear Payoffs

• arxiv url: http://arxiv.org/abs/2609.33470v1
• Date: Sun, 27 Sep 2026 11:29:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:35:41.594243
• Title: LiveOption: Evaluating LLM Agents in Structured Option Trading with Nonlinear Payoffs
• Title（参考訳）: LiveOption:非線形ペイオフを用いた構造化オプション取引におけるLCMエージェントの評価
• Abstract要約: オプショントレーディングにおけるLLMエージェントの評価フレームワークであるLiveOptionを紹介する。 LiveOptionは、現実的な実行と資本制約の下で、問題を構造化されたシーケンシャルな意思決定として定式化する。 本稿では, 行動妥当性, 意思決定品質, リスク特性, 結果レベルのパフォーマンスを評価する階層的計量スイートを提案する。
• 参考スコア（独自算出の注目度）: 10.46871084923272
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) and multi-agent systems (MAS) have shown promise in financial decision-making, yet existing evaluations focus on equity trading and primarily assess directional prediction, overlooking the structural complexity of derivative markets. Option trading introduces fundamentally different challenges, including nonlinear payoffs and multi-leg strategy construction, requiring structured decisions rather than simple directional bets. We introduce LiveOption, an evaluation framework for LLM-based agents in option trading. LiveOption formulates the problem as structured sequential decision-making under realistic execution and capital constraints, and provides a reproducible environment with standardized interaction protocols. The framework includes three task suites covering portfolio overlays, event-driven earnings trading, and 0DTE intraday trading. We further propose a hierarchical metric suite that evaluates action validity, decision quality, risk characteristics, and outcome-level performance. Experiments show that current agents often fail to achieve competitive returns in most scenarios. LiveOption offers a principled testbed for evaluating structured decision-making beyond outcome-based metrics.
• Abstract（参考訳）: 大規模言語モデル(LLM)とマルチエージェントシステム(MAS)は、金融決定において有望であるが、既存の評価は株式取引に焦点を当て、デリバティブ市場の構造的複雑さを見越して方向予測を主に評価している。 オプショントレーディングは、単純な方向性の賭けよりも構造化された決定を必要とする非線形ペイオフやマルチレグ戦略構築など、根本的に異なる課題を導入します。 オプショントレーディングにおけるLLMエージェントの評価フレームワークであるLiveOptionを紹介する。 LiveOptionは、現実的な実行と資本制約の下で、構造化されたシーケンシャルな意思決定として問題を定式化し、標準化された対話プロトコルを備えた再現可能な環境を提供する。 このフレームワークには、ポートフォリオオーバーレイ、イベント駆動の決算取引、日内取引の3つのタスクスイートが含まれている。 さらに, 行動妥当性, 意思決定品質, リスク特性, 結果レベルのパフォーマンスを評価する階層的計量スイートを提案する。 実験によると、現在のエージェントは大抵のシナリオで競合するリターンを達成できないことが多い。 LiveOptionは、結果ベースのメトリクスを超えて構造化された意思決定を評価するための、原則化されたテストベッドを提供する。

関連論文リスト

• AlphaForgeBench: Benchmarking End-to-End Trading Strategy Design with Large Language Models [23.493646150407116]
  リアルタイム取引性能の現在の評価は、重大な障害モードを見落としている:不確実性の下でのシーケンシャルな意思決定における厳しい行動不安定性である。 提案するAlphaForgeBenchは,大規模言語モデル(LLM)を,実行エージェントではなく定量的研究者として再構成する,原則化されたフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:29:33Z)
• LiveTradeBench: Seeking Real-World Alpha with Large Language Models [26.976122048323873]
  大規模言語モデル(LLM)は、ベンチマーク全体で強力なパフォーマンスを達成する。 これらのテストは静的な設定で行われ、実際のダイナミクスと不確実性が欠如している。 LLMエージェントを現実的で発展途上国で評価するためのライブトレーディング環境であるLiveTradeBenchを紹介する。
  論文  参考訳（メタデータ） (2025-11-05T16:47:26Z)
• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• 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)
• Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
  本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。 FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。 これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
  論文  参考訳（メタデータ） (2025-05-26T02:41:50Z)
• 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)
• INVESTORBENCH: A Benchmark for Financial Decision-Making Tasks with LLM-based Agent [15.562784986263654]
  InvestorBenchは、大規模言語モデル(LLM)ベースのエージェントを財務的な意思決定コンテキストで評価するためのベンチマークである。 株式、暗号通貨、ETFなどの単一株式を含む、さまざまな金融商品に適用可能な包括的なタスクスイートを提供する。 また,13種類のLDMをバックボーンモデルとして,エージェントフレームワークの推論と意思決定能力の評価を行った。
  論文  参考訳（メタデータ） (2024-12-24T05:22:33Z)
• 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。