Ein reflektierender LLM-Agent für den Kryptowährungshandel ohne Beispiele im Prompt

Zusammenfassung

Das Dokument beschreibt CryptoTrade, einen Kryptowährungshandelsagenten auf Basis eines Large Language Models. Sein Ansatz verbindet On-Chain-Informationen, die die Autoren als transparent und unveränderlich charakterisieren, mit Off-Chain-Signalen wie Nachrichten, die zeitnahe Zusammenhänge liefern können. Ein Reflexionsmechanismus prüft die Ergebnisse früherer Entscheidungen, um die täglichen Handelsentscheidungen des Agenten zu unterstützen. So kann der Prozess Rückmeldungen aus dem Handel einbeziehen, ohne sich allein auf eine herkömmliche Zeitreihen-Baseline zu stützen.

Die Autoren berichten von Experimenten mit mehreren Kryptowährungen und Marktbedingungen und geben an, dass CryptoTrade höhere Renditen als herkömmliche Strategien und Zeitreihen-Baselines erzielt habe. Die vorliegende Beschreibung nennt weder die Vermögenswerte, den Evaluierungszeitraum und die Renditekennzahl noch Transaktionskosten, risikobereinigte Ergebnisse oder Vorkehrungen gegen Datenlecks. Die Leistungsbehauptung ist daher als Zusammenfassung der berichteten Experimente zu verstehen und nicht als Beleg dafür, dass sich der Agent auf den Live-Handel oder andere Marktregime übertragen lässt.

Kernaussagen

• CryptoTrade verbindet On-Chain-Daten mit Off-Chain-Informationen wie Nachrichten.
• Ein Reflexionsmechanismus nutzt die Ergebnisse früherer Handelsgeschäfte, um spätere tägliche Entscheidungen zu unterstützen.
• Die Autoren berichten von Experimenten mit mehreren Kryptowährungen und Marktbedingungen.
• Sie geben an, höhere Renditen als herkömmliche Strategien und Zeitreihen-Baselines erzielt zu haben.
• Die Beschreibung lässt Evaluierungsdetails aus, die für die Beurteilung von Risiken und der Übertragbarkeit auf Live-Märkte nötig wären.

Schlagwörter

# A Reflective LLM-based Agent to Guide Zero-shot Cryptocurrency Trading


# A Reflective LLM-based Agent to Guide Zero-shot Cryptocurrency Trading









The utilization of Large Language Models (LLMs) in financial trading has primarily been concentrated within the stock market, aiding in economic and financial decisions. Yet, the unique opportunities presented by the cryptocurrency market, noted for its on-chain data's transparency and the critical influence of off-chain signals like news, remain largely untapped by LLMs. This work aims to bridge the gap by developing an LLM-based trading agent, CryptoTrade, which uniquely combines the analysis of on-chain and off-chain data. This approach leverages the transparency and immutability of on-chain data, as well as the timeliness and influence of off-chain signals, providing a comprehensive overview of the cryptocurrency market. CryptoTrade incorporates a reflective mechanism specifically engineered to refine its daily trading decisions by analyzing the outcomes of prior trading decisions. This research makes two significant contributions. Firstly, it broadens the applicability of LLMs to the domain of cryptocurrency trading. Secondly, it establishes a benchmark for cryptocurrency trading strategies. Through extensive experiments, CryptoTrade has demonstrated superior performance in maximizing returns compared to traditional trading strategies and time-series baselines across various cryptocurrencies and market conditions. Our code and data are available at https://anonymous.4open.science/r/CryptoTrade-Public-92FC/.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.