論文の概要: The Control Layer Behind Rule-Following Agents Trading Across Market Conditions

• arxiv url: http://arxiv.org/abs/2610.26324v1
• Date: Mon, 19 Oct 2026 13:01:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:14:03.881912
• Title: The Control Layer Behind Rule-Following Agents Trading Across Market Conditions
• Title（参考訳）: 市場条件にまたがって取引するルールフォローエージェントの制御層
• Abstract要約: 規則の遵守は、利益のないものを含む4人の代理人全てに高いものであった。 減損後の宣言されたリスクは安定し、冷静で不安定な数ヶ月にわたって広範囲に安定した。 我々の研究は、トレーダーが資本をコミットする前に幸運とルールフォローを区別するのに役立つ評価ツールキットを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Trading discipline often fails people. Our study tested whether four AI trading agents followed their strategies and risk rules. Offering traders the evidence and an agent evaluation toolkit to separate luck from following the rules, before giving agents meaningful autonomy or capital. Our study analysed 2,627 closed positions from 12 February to 27 August 2026 across the same asset universe and execution conditions. Most positions were simulated against live prices with a 0.09% round-trip fee; 18% involved real Hyperliquid orders. Each position declared a strategy, stop and target, with a limit of five open positions per agent. The fleet finished net positive after fees. Rule adherence was high across all four agents, including the unprofitable one. Profitability tracked how often agents won relative to their break-even win rates. Institutional-style controls ran by default and contained losses through a 29% market drawdown and recovery, with documented exceptions. The discipline held for all four agents. Agents kept 97.5% of gross loss within declared stops, and typical losses closed at declared levels. Declared risk remained stable after losses and broadly stable across calm and volatile months. Twenty-three of 24 runs respected the position limit; logs identify the exception's size and duration. The same live data produced different results across assigned strategies. The trade-log tests can be rerun from the published trade snapshot; regime tests also require the published Bitcoin prices and regime labels. Section 3.5 specifies the stop-breach tolerance. These trade-level results are not account-level returns or proof of a lasting edge. Our study provides an evaluation toolkit to help traders distinguish rule-following from luck before committing capital. For anyone considering allocating capital to agents to trade, discipline should be the entry test, not the only test.
• Abstract（参考訳）: 取引の規律はしばしば人を失敗させます。 我々の研究は、4人のAIトレーディングエージェントが戦略とリスクルールに従っているかどうかを検証した。 トレーダーにエビデンスとエージェント評価ツールキットを提供して、エージェントに意味のある自主性や資本を与える前に、ルールに従う幸運を区別する。 調査では2026年2月12日から8月27日までの2,627人のクローズドポジションを、同じ宇宙と実行条件で分析した。 ほとんどのポジションは0.09%の往復料金で実物価格に対してシミュレートされた。 それぞれのポジションは戦略、停止、目標を宣言し、エージェントごとに5つのオープンポジションに制限された。 艦隊は料金の後に純正の成績を収めた。 規則の遵守は、利益のないものを含む4人の代理人全てに高いものであった。 利益は、エージェントが不利な勝利率に対してどれだけの頻度で勝ったかを追跡した。 インスティカルスタイルのコントロールはデフォルトで実行され、29%の市場縮小とリカバリによる損失が含まれており、例外は文書化された。 規律は4人全員に委ねられた。 エージェントは97.5%の損失を宣言された停止時間内に保持し、典型的な損失は宣言された水準で閉鎖された。 減損後の宣言されたリスクは安定し、冷静で不安定な数ヶ月にわたって広範囲に安定した。 24行中23行は位置制限を尊重しており、ログは例外のサイズと期間を識別する。 同じライブデータは、割り当てられた戦略によって異なる結果を生み出しました。 トレードログテストは、公表された取引スナップショットから再実行することが可能であり、レギュラーテストは、発行されたBitcoin価格とレギュラーラベルも必要である。 3.5条は、停電耐性を規定している。 これらの貿易レベルの結果は、口座レベルのリターンや持続するエッジの証明ではない。 我々の研究は、トレーダーが資本をコミットする前に幸運とルールフォローを区別するのに役立つ評価ツールキットを提供する。 取引業者に資本を割り当てることを考えている人にとっては、規律はエントリーテストであり、唯一のテストではない。

関連論文リスト

• BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents [54.5370815419817]
  本稿では,大言語モデル(LLM)エージェントの安全性を評価するためのC2CマーケットプレースとベンチマークであるBazaarBenchを紹介する。 オーナシップ、アイテム条件、トランザクション間のコミットメントを追跡する。 我々は、通常の命令、期限の圧力、または他のトレーダーを搾取するための敵の指示の下で、5つのモデルを評価する。
  論文  参考訳（メタデータ） (2026-10-05T17:26:17Z)
• What LLM Trading Agents Actually Do in Production: A Six-Month, Population-Scale Record from Two Fleets [0.0]
  本稿では,2つのシステム間で生産されている自律型言語モデル取引エージェントの人口規模を連続的に測定する。 記録は約6ヶ月で、7.5Mのシングルモデル呼び出しと約300Kのオンチェーンアクションがあり、さらに231,638個のマルチツールが14,596個のフィリングを生成する。
  論文  参考訳（メタデータ） (2026-09-04T18:56:31Z)
• TraderBench: How Robust Are AI Agents in Adversarial Capital Markets? [8.661756660747042]
  TraderBenchは金融のAIエージェントを評価するためのベンチマークである。 専門家が検証した静的タスク(知識検索、分析的推論)と敵の取引シミュレーションを組み合わせる。 2つの新しいトラック:4つのプログレッシブ・マーケット・マニピュレーション・トランスフォーメーションによる暗号取引、オプションデリバティブはP&Lの正確性、ギリシャ人、リスク管理である。
  論文  参考訳（メタデータ） (2026-02-27T20:06:28Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• Predicting Stock Prices using Permutation Decision Trees and Strategic Trailing [1.529342790344802]
  NIFTY50指数の上位50株について,5分間のキャンドルスティックを用いた高周波データに着目した。 我々は、短期市場の変動に乗じて、より安値で株を買い、より高価格で売ることを目的としたトレーディング戦略を実践する。
  論文  参考訳（メタデータ） (2025-04-17T10:42:38Z)
• 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。