Un agent LLM réflexif pour trader des cryptomonnaies sans exemple préalable

Résumé

Le document présente CryptoTrade, un agent de trading de cryptomonnaies fondé sur un grand modèle de langage. Son approche combine des informations on-chain, que les auteurs décrivent comme transparentes et immuables, avec des signaux off-chain tels que les actualités, qui peuvent apporter un contexte opportun. Un mécanisme réflexif examine les résultats des décisions antérieures pour guider les choix quotidiens de trading de l’agent. Le processus intègre ainsi les retours du trading sans s’appuyer uniquement sur une référence classique de séries temporelles.

Les auteurs rapportent des expériences sur plusieurs cryptomonnaies et dans diverses conditions de marché, et affirment que CryptoTrade a obtenu des rendements supérieurs à ceux des stratégies traditionnelles et des références fondées sur des séries temporelles. La description fournie ne précise ni les actifs, ni la période d’évaluation, ni la mesure de rendement, les coûts de transaction, les résultats ajustés du risque ou les protections contre les fuites de données. Cette affirmation de performance doit donc être comprise comme un résumé des expériences rapportées, et non comme la preuve que l’agent se généralisera au trading en réel ou à d’autres régimes de marché.

Idées clés

• CryptoTrade combine des données on-chain avec des informations off-chain telles que les actualités.
• Un mécanisme réflexif utilise les résultats des transactions antérieures pour guider les décisions quotidiennes suivantes.
• Les auteurs rapportent des expériences sur plusieurs cryptomonnaies et dans diverses conditions de marché.
• Ils affirment avoir obtenu des rendements supérieurs à ceux des stratégies traditionnelles et des références de séries temporelles.
• La description fournie omet les détails d’évaluation nécessaires pour apprécier le risque et la généralisation aux marchés en réel.

Étiquettes

# 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/.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.