論文の概要: Investor's Last Exam: Can AI Agents Do Equity Investment Without Seeing the Future?
- arxiv url: http://arxiv.org/abs/2610.38342v1
- Date: Wed, 28 Oct 2026 06:39:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.96139
- Title: Investor's Last Exam: Can AI Agents Do Equity Investment Without Seeing the Future?
- Title（参考訳）: AIエージェントは未来を見ずに投資できるのか?
- Abstract要約: 投資家のLast Exam (ILE) は、経験豊富な買い手投資家とファンドマネジャーが主導するエクイティ調査のベンチマークである。
ILEは330万のドキュメントバージョンと9つのソースカテゴリにまたがるバージョン付きの金融データベースである。
評価は86の課題に及び、研究品質、予測精度、シミュレーションされた投資実績を共同で評価する。
- 参考スコア（独自算出の注目度）: 46.0391441538495
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial agents must form forecasts and investment judgments from decision-time evidence, with predictions evaluated against subsequent outcomes. Existing benchmarks assess financial knowledge, research workflows, or forecasting, but evaluating the full research process requires a strictly frozen information set and professional evaluation criteria. We introduce Investor's Last Exam (ILE), an equity-research benchmark led by experienced buy-side investors and fund managers. Its three components are a versioned financial database spanning 3.43 million document versions and nine source categories, supplemented by structured market data, with validated timestamps governing retrieval and computation; a task taxonomy organized around professional analyst deliverables; and an expert-led framework linking scoring criteria to sources, calculations, and assumptions through financial dependency graphs. Evaluation spans 86 assignments and jointly assesses research quality, forecast accuracy, and simulated investment performance. GPT-6 Astra and Claude Opus 5.5 lead overall at 68.1 and 66.9 out of 100, yet even Astra scores only 52.5 on Forecast & Model. Our results show that even state-of-the-art models fail to translate overall research capability into predictive performance. ILE shifts the evaluation unit from isolated capabilities to the evidence--assumption--judgment chain, allowing researchers to locate where analytical advantages fail to translate into forecasts and investment judgments, and providing a traceable, diagnostic foundation for training and evaluating financial agents.
- Abstract（参考訳）: ファイナンシャル・エージェントは、その後の結果に対して予測と投資判断を下さなければならない。
既存のベンチマークは、財務知識、研究ワークフロー、または予測を評価するが、完全な研究プロセスを評価するには厳密な凍結情報セットと専門的な評価基準が必要である。
我々は、経験豊富な買い手投資家やファンドマネジャーが主導するエクイティ・リサーチ・ベンチマークであるインベスターズ・ラスト・エクサム(ILE)を紹介します。
その3つのコンポーネントは、330万のドキュメントバージョンと9つのソースカテゴリにまたがるバージョン付き金融データベースであり、構造化された市場データによって補完され、検索と計算を統括する検証済みタイムスタンプ、プロのアナリストの成果物を中心に組織されたタスク分類、および財務依存グラフを通じて評価基準をソース、計算、仮定にリンクする専門家主導のフレームワークである。
評価は86の課題に及び、研究品質、予測精度、シミュレーションされた投資実績を共同で評価する。
GPT-6 アストラとクロード・オプス5.5は合計68.1点、66.9点を記録したが、アストラでさえフォアキャスト・アンド・モデルでは52.5点にとどまった。
以上の結果から,最先端モデルでさえ,総合的な研究能力から予測性能への変換に失敗していることが明らかとなった。
ILは、評価ユニットを独立した能力からエビデンス・アセスメント・アジャッジ・チェーンにシフトし、研究者が分析上の利点が予測や投資判断に変換できない場所を見つけ、金融エージェントのトレーニングと評価のためのトレース可能な診断基盤を提供する。
関連論文リスト
- Can Language Models Learn to Forecast Stock Prices [64.57057883175987]
ポストトレーニングでは、検証可能な結果のタスクにおける言語モデルの性能が大幅に向上することが示されている。
ポストトレーニングは、財務予測性能を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2026-09-29T07:34:39Z) - FinAutoRubric: Expert-Guided Automatic Rubric Generation for Evaluating Financial Research Agents [52.23447452815642]
専門家レビューされた金融ベンチマークは、各機関の基準をコード化できない拡張に費用がかかる固定された、単位単位のルーリックに依存している。
FinAutoRubricでは、専門家が再利用可能な評価ガイダンスを指定し、エージェントとコードはクエリ固有のルーブリック生成、レビュー、バリデーションを実行する。
この専門家のガイダンスは、コードが強制するプロンプトやルールとして、すべてのエージェントを管理します。
論文 参考訳（メタデータ） (2026-09-28T17:55:06Z) - FinFIRST: Benchmarking Search Agents for Financial Information Retrieval, Sourcing and Traceability [19.25372336137726]
FinFIRSTは、答えを共同で評価し、原子の破片を通して証拠を裏付ける最初の金融ベンチマークである。
現実の金融シナリオの集合パターンから構築された、難易度スペクトルにまたがる123の専門家によるタスクで構成されている。
FinFIRSTは、最終回答の正しさを第一の目的として保ちつつ、支援研究プロセスを測定し、検証し、診断可能にする。
論文 参考訳（メタデータ） (2026-09-21T17:28:08Z) - FinRiskAtlas: Decision-Aligned Evaluation of Large Language Models for Financial Risk Review [25.300288794507377]
2つの相補的な次元に沿って財務LLMを評価する中国語のベンチマークであるFinRiskAtlasを紹介する。
このフレームワークは、104の特定されていないプロの軌跡から680のプレアクション状態のオフライン再生を通じて拡張する。
FinRisk-Askは、Askブランチをより頻繁に入力することは、要求ターゲティングやエンドツーエンドのエビデンス獲得を改善するとは限らないことを示している。
論文 参考訳（メタデータ） (2026-08-26T03:13:15Z) - FinDeepIndicator: Benchmarking Deep Research Agents in End-to-End Financial Indicator Construction [57.909515451254855]
FinDeepIndicatorは、エンドツーエンドの金融指標構築においてDeep Research(DR)エージェントを評価するための最初のベンチマークである。
DRエージェントを、公式仕様、データ収集、インジケータ計算、回答生成の4段階にわたって評価する。
米国と中国の両方の市場から抽出された3350のキュレートされた質問応答ペア、10年間の歴史的財務データ、800の上場企業が含まれている。
論文 参考訳（メタデータ） (2026-08-01T16:54:41Z) - Evaluating Financial Intelligence in Large Language Models: Benchmarking SuperInvesting AI with LLM Engines [1.1455937444848387]
金融分析能力の評価を目的とした多次元評価フレームワークであるAI Financial Intelligence Benchmark(AFIB)を紹介する。
GPT,Gemini,Perplexity,Claude,SuperInvestingの5つのAIシステムを評価する。
SuperInvestingは、平均的事実精度スコア8.96/10、最高完全度スコア56.65/70の集計性能を達成する。
論文 参考訳（メタデータ） (2026-03-09T17:58:54Z) - FutureX: An Advanced Live Benchmark for LLM Agents in Future Prediction [92.7392863957204]
FutureXは、将来の予測のための最大かつ最も多様なライブベンチマークである。
リアルタイムの日次更新をサポートし、質問収集と回答収集のための自動パイプラインを通じてデータの汚染を取り除く。
推論,検索機能,外部ツールの統合などを含む25のLLM/エージェントモデルを評価した。
論文 参考訳（メタデータ） (2025-08-16T08:54:08Z) - FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。
このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。
我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
論文 参考訳（メタデータ） (2025-08-07T22:15:22Z) - FinRobot: AI Agent for Equity Research and Valuation with Large Language Models [6.2474959166074955]
本稿では、エクイティリサーチに特化したAIエージェントフレームワークであるFinRobotについて述べる。
FinRobotはマルチエージェント・チェーン・オブ・シント(CoT)システムを採用し、定量分析と定性的分析を統合し、人間のアナリストの包括的な推論をエミュレートする。
CapitalCubeやWright Reportsのような既存の自動研究ツールとは異なり、FinRobotは大手ブローカー会社や基礎研究ベンダーと同等の洞察を提供する。
論文 参考訳（メタデータ） (2024-11-13T17:38:07Z)
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。