論文の概要: AStockArena: Beyond Returns, Can We Entrust Real Capital to the Decisions of Financial Agents?
- arxiv url: http://arxiv.org/abs/2611.00515v1
- Date: Sat, 31 Oct 2026 01:08:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-04 23:36:30.411479
- Title: AStockArena: Beyond Returns, Can We Entrust Real Capital to the Decisions of Financial Agents?
- Title（参考訳）: AStockArena:リターンを超えて、ファイナンシャル・エージェントの判断にリアル・キャピタルを任せるか?
- Abstract要約: AStockArenaは、中国のA株市場での継続的取引のリアルタイム意思決定ベンチマークです。
AStockArenaは、レポート、取引要求、実行応答、アカウント状態を調整することで、実際にアカウントにポストされたアクションを再構築する。
1,070のトレーディングポイントのうち、72.99%は少なくとも1つの監査ギャップを示しており、モデルレベルレートは52.2%から91.2%であり、証拠ギャップが最も多い。
- 参考スコア（独自算出の注目度）: 6.889941565230679
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) are increasingly used in dynamic financial trading, yet real-time trading benchmarks mainly evaluate agents by cumulative returns and risk-adjusted performance. Such outcome metrics cannot show whether trades are faithfully reported, supported by available evidence, and consistent with account states. We introduce AStockArena, a real-time decision-auditing benchmark for continuous trading in China's A-share market. Under shared market conditions and execution constraints, we evaluate 13 open- and closed-source models over 3,198 sequential decisions. AStockArena reconstructsthe actions actually posted to accounts by aligning reports, trade requests, execution responses, and account states, and audits them with eight checks spanning execution traceability (O), evidence sufficiency (RK), and financial meta-awareness (B), combining record verification with consensus expert annotation. Of 1,070 trading points, 72.99% exhibit at least one audit gap; model-level rates range from52.2% to 91.2%, with evidence gaps most prevalent. Historical trade-filtering replay further shows thatportfolio outcomes are sensitive to these flagged trades. Decision-process auditing thus offers a verifiable complement to return-based evaluation of financial agents.
- Abstract（参考訳）: 大規模言語モデル (LLM) は、動的金融取引においてますます使われているが、リアルタイム取引ベンチマークは主に累積リターンとリスク調整性能によってエージェントを評価する。
このような結果の指標は、取引が誠実に報告され、利用可能な証拠によって支持され、会計状態と整合しているかどうかを示すことはできない。
AStockArenaは、中国のA株市場での継続的取引のリアルタイム意思決定ベンチマークです。
マーケット条件と実行制約の共有により,13のオープンソースおよびクローズドソースモデルを3,198のシーケンシャルな決定に対して評価する。
AStockArenaは、レポート、取引要求、実行応答、およびアカウント状態を調整することで、実際にアカウントにポストされたアクションを再構築し、それらを、実行トレーサビリティ(O)、エビデンスサフィシ(RK)、財務メタアウェアネス(B)にまたがる8つのチェックで監査し、レコード検証とコンセンサス専門家アノテーションを組み合わせる。
1,070のトレーディングポイントのうち、72.99%は少なくとも1つの監査ギャップを示しており、モデルレベルレートは52.2%から91.2%であり、証拠ギャップが最も多い。
歴史的貿易フィルターのリプレイは、ポートフォリオの成果がこれらの旗を掲げた貿易に敏感であることを示している。
したがって、意思決定プロセス監査は、金融エージェントのリターンベースの評価を確実に補完する。
関連論文リスト
- FIDES-Live: Evaluating Behavioral Concordance in Sequential Trading Agents [2.8129261352670003]
シーケンシャルトレーディングエージェントは、決定、命令、実行レシート、会計状態、同意する必要のない報告を生成する。
本稿では,FIDESの動作拡張であるFIDES-Liveを提案する。
7,299件の暗号通貨口座と310件の株式パイロットに対して、要求された10の推論ルートを振り返って監査します。
論文 参考訳（メタデータ） (2026-10-27T01:33:30Z) - FinRCA-Bench: Benchmarking Evidence Retrieval and Reasoning for Financial AI Systems [0.0]
FinRCA-Benchは、14の運用テーブルにまたがる2250の口座支払い可能な銀行間和解ケースのベンチマークである。
その結果,構造的検索の失敗は,95～15の精度で推理的検索の失敗をはるかに上回っていることがわかった。
FinRCA-Benchでは、検索アーキテクチャがAIシステムの性能を強く観察し、ルート原因ラベルは聴覚診断の弱いプロキシである。
論文 参考訳（メタデータ） (2026-08-19T04:36:01Z) - AWARE-FX: An Auditable Knowledge-Guided AI System for Measuring Corporate Foreign-Exchange Hedging Disclosure [5.667104793245957]
企業年次報告書には、外国為替リスク管理、デリバティブ・ユース、ナチュラル・ヘッジ、明示的な非使用に関する弱い構造化された証拠が含まれている。
本研究では,AI/NLP意思決定支援システムであるAWARE-FXを開発した。
論文 参考訳（メタデータ） (2026-07-30T02:58:46Z) - From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets [34.699961175708815]
KTD-Finは、エンドツーエンドの株式市場トレーディングベンチマークである。
歴史的市場記憶と投資決定を分離する。
Barraスタイルのパフォーマンス属性フレームワークが組み込まれている。
論文 参考訳（メタデータ） (2026-05-27T11:57:10Z) - Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents? [61.49434544687523]
本稿では,エージェント環境におけるきめ細かい故障検出を目的としたメタ評価ベンチマークREFLECTを紹介する。
REFLECTはプロセスレベルの障害モードと結果レベルの障害モードの詳細な分類を定義し、制御および局所的な介入を実行することでインスタンス化する。
私たちの実験では、最高のパフォーマンスモデルでさえ、推論、ツール使用、レポート品質の失敗に対して、全体的なアキュラシーを55%以下に達成しています。
論文 参考訳（メタデータ） (2026-05-18T23:55:08Z) - TradeTrap: Are LLM-based Trading Agents Truly Reliable and Faithful? [44.01987401527335]
TradeTrapは、適応的および手続き的自律的トレーディングエージェントの両方を体系的にストレステストするための統一的な評価フレームワークである。
市場インテリジェンス、戦略定式化、ポートフォリオと台帳処理、取引実行の4つの中心的コンポーネントをターゲットにしている。
実験により、単一コンポーネントでの小さな摂動がエージェント決定ループを伝播し、極端な濃度、暴走露光、大きなポートフォリオの減少を引き起こすことが示されている。
論文 参考訳（メタデータ） (2025-12-01T23:06:42Z) - 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) - 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) - 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。