論文の概要: How Execution Assumptions Change Short-Horizon Sharpe Rankings: Evidence from a Synthetic Trading Benchmark
- arxiv url: http://arxiv.org/abs/2610.05077v1
- Date: Sun, 04 Oct 2026 09:22:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 23:40:04.61235
- Title: How Execution Assumptions Change Short-Horizon Sharpe Rankings: Evidence from a Synthetic Trading Benchmark
- Title（参考訳）: Execution Assumptions Change Short-Horizon Sharpe Rankings: Evidence from a Synthetic Trading Benchmark
- Abstract要約: LLMのトレーディングエージェントのバックテストは、すべての注文が終値で満たされると仮定することが多い。
我々は、この選択がリターンを報告したのか、エージェントの順序も変更したのかを尋ねる。
- 参考スコア（独自算出の注目度）: 0.0635655952373977
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Backtests of LLM trading agents often assume that every order fills at the closing price. We ask whether this choice changes only reported returns or also the order of the agents. Five prompted LLM signal policies and seven classical baselines trade the same synthetic price paths under six execution settings, from near-ideal fills to latency, spread, participation, and impact stresses. The main experiment contains $2{,}462$ runs with matched decision frequencies and paired market paths. On the compressed two-asset board, agreement between the near-ideal and default-stress rankings falls to Kendall $τ_b=0.21$ in the high-volatility regime, compared with $0.82$ in the calm regime. The seed-bootstrap intervals, $[0.00,0.52]$ and $[0.48,0.94]$, are wide and overlap. On a fixed 11-policy board, agreement rises from 0.24 with two assets to 0.85 with ten; the two-asset point estimate differs substantially from the wider settings we tested. Rank changes are related to turnover, and comparisons with buy-and-hold also depend on how that anchor is initialized. The experiment does not compare LLM trading skill. It shows that, on a short horizon, an execution convention can become part of the benchmark's headline. Execution assumptions and rank stability should be reported alongside returns.
- Abstract（参考訳）: LLMのトレーディングエージェントのバックテストは、すべての注文が終値で満たされると仮定することが多い。
この選択が報告されたリターンだけを変えるのか、それともエージェントの順序を変えるのかを問う。
5つのLPMシグナルポリシーと7つの古典的なベースラインが、6つの実行設定の下で同じ合成価格パスを取引している。
主な実験は、2${,}462$で、一致した決定周波数とペアの市場パスがある。
圧縮された2段階のボードでは、最寄りとデフォルトのストレスランクの合意は、Kendall $τ_b=0.21$に該当し、Kendall $τ_b=0.21$は高ボラティリティ(高ボラティリティ)である。
シードブートストラップ間隔の$[0.00,0.52]$と$[0.48,0.94]$は広く重複している。
固定11政策委員会では、合意は2つの資産で0.24から10で0.85に上昇する。
ランクの変更はターンオーバーに関連しており、買い手との比較もアンカーの初期化の仕方に依存している。
実験ではLLM取引スキルを比較していない。
これは、短期的には、実行規約がベンチマークの見出しの一部になる可能性があることを示している。
実行仮定とランク安定性は、リターンとともに報告されるべきである。
関連論文リスト
- BAIBAICHUCHU at the NTCIR-19 FinArg-3 Task: When Is Maximum Possible Profit Predictable from Investor Text? [0.8594140167290097]
NTCIR-19 FinArg-3 最高収益率(MPP)による中国の投資家ポストランキング
語彙特徴の3トラックアンサンブル、FinArg-2-pre-finetuned MacBERTランキング、LCM判定器は、後グループ開発評価で0.734に達する。
全12本が0.4598から0.5402の間、全26本が0.500である。
論文 参考訳（メタデータ） (2026-10-02T19:15:51Z) - PolicyAttention: Softmax Attention Implements Policy Mirror Descent for Closed-Loop Control [1.491109220586182]
負のエントロピーポリシーミラー降下(PMD)は、ステートワイズで$operatornamePMD_(,Q)=operatornamesoftmax(log+Q)$を持つ。
我々は,アクター,ルーティング,サンプリング,正規化を明示した1ステップクリティカルプロトコルを1つの固定因果-ソフトマックスアクター-環境-構築し,それらを実際に返却された残留ポリシーに伝達する。
論文 参考訳（メタデータ） (2026-09-24T19:37:25Z) - Steering Equilibrium Selection in Regularized Self-Play via the Reference Policy [0.0]
セルフプレイは2つのプレイヤーゼロサムポリシーをナッシュ均衡に駆動する。
一様参照で、最大等エントロピー部材を選択する。
基準は、目的に応じて均衡を選択するために使用できますか?
論文 参考訳（メタデータ） (2026-09-17T07:30:23Z) - Reinforcement Learning for Execution under Dynamic Fees in a Closed-Loop DEX Simulator [0.8528384027684189]
自動市場メーカ(AMM)に対してトレーダーが直面するダイナミック手数料がますます提案されている
トレーダ対応手数料は変化せず、トレーダタイプは遅延しており、リプレイされたテープはシーケンシャルな決定環境ではない。
本研究は,信号が不足している最小限の閉ループシミュレータを構築した。
論文 参考訳（メタデータ） (2026-07-12T23:47:16Z) - Displacement Is Not Direction: Evaluating Fidelity Metrics for Quantized LLM Deployment [0.7249731529275342]
高精度参照に対するKL偏差(KLD)のような忠実度指標は、ベンチマーク品質の低コストプロキシとして実際に使用されることが多い。
KLDは全コホートに対するベンチマークスコアと強く相関していることがわかった。
しかし、この関係は、ほぼベースラインのサイレントゾーンにおいて非重要な状態に崩壊する。
論文 参考訳（メタデータ） (2026-06-17T19:59:26Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [76.93600828673503]
リストAPIの価格設定は、実際のコストに対する信頼性の低いプロキシである。
思考トークンのコストの削減は、ランキングの反転を70%削減します。
この結果から,コスト意識モデル選択と透過的な要求毎のコスト監視の必要性が示唆された。
論文 参考訳（メタデータ） (2026-03-25T06:07:39Z) - Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳（メタデータ） (2024-05-24T11:22:19Z) - Theoretical guarantees on the best-of-n alignment policy [110.21094183592358]
我々は、KLの最良のn$ポリシーと参照ポリシーのKL分岐が、実際のKL分岐の上限であることを示す。
そこで本研究では,KLの発散に対する新しい推定器を提案し,その近似が厳密であることを実証的に示す。
我々は、利益率とKLの最良のn$アライメントポリシーの相違点を分析することで締めくくった。
論文 参考訳（メタデータ） (2024-01-03T18:39:13Z) - Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。
報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。
次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文 参考訳（メタデータ） (2022-12-12T21:37:36Z)
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。