コンテンツへスキップ
ライブラリの全資料

LLM暗号資産取引における事実情報と主観的推論の分離

記事 arXiv papers · 著者: Qian Wang et al.
原文を読む

サマリー

本資料は、能力の高い大規模言語モデルが、暗号資産取引では能力の低いモデルより劣る場合がある理由を検討します。この傾向の一因として、高性能モデルが主観的な解釈より事実情報を優先することを挙げています。提案されたFS-ReasoningAgentフレームワークは、推論を事実情報と主観的判断に分け、両方の入力を取引判断に活用できるようにします。

報告された実験では、BTC、ETH、SOLで利益が改善し、改善幅はそれぞれ7%、2%、10%とされています。アブレーション研究では、強気相場では主観的なニュースが、弱気相場では事実情報がより良い成績を示しました。これらの結果は、2種類の推論の相対的な有用性が市場環境に左右される可能性を示唆します。資料には実験設定の全容、評価期間、取引コスト、リスク調整後の成績が記載されていないため、再現性や実運用への適用可能性について結論を出すには限界があります。

主なアイデア

  • 本研究は、暗号資産取引で高性能な大規模言語モデルが低性能なモデルを下回る場合があると報告しています。
  • この傾向を、より高性能なモデルが主観的解釈より事実情報を好むことに結びつけています。
  • FS-ReasoningAgentは、マルチエージェント方式で事実に基づく推論と主観的推論を分離します。
  • 報告結果ではBTC、ETH、SOLで成績が向上しましたが、ここでは実験の詳細は示されていません。
  • 報告によると、強気相場では主観的なニュースが、弱気相場では事実情報がより効果的でした。

タグ

暗号資産機械学習センチメントバックテスト
全文
# Exploring LLM Cryptocurrency Trading Through Fact-Subjectivity Aware Reasoning


# Exploring LLM Cryptocurrency Trading Through Fact-Subjectivity Aware Reasoning









While many studies show that more advanced LLMs excel in tasks such as mathematics and coding, we observe that in cryptocurrency trading, stronger LLMs sometimes underperform compared to weaker ones. To investigate this counterintuitive phenomenon, we examine how LLMs reason when making trading decisions. Our findings reveal that (1) stronger LLMs show a preference for factual information over subjectivity; (2) separating the reasoning process into factual and subjective components leads to higher profits. Building on these insights, we propose a multi-agent framework, FS-ReasoningAgent, which enables LLMs to recognize and learn from both factual and subjective reasoning. Extensive experiments demonstrate that this fine-grained reasoning approach enhances LLM trading performance in cryptocurrency markets, yielding profit improvements of 7\% in BTC, 2\% in ETH, and 10\% in SOL. Additionally, an ablation study reveals that relying on subjective news generates higher returns in bull markets, while focusing on factual information yields better results in bear markets. Code is available at https://github.com/Persdre/FS-ReasoningAgent.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。