본문으로 건너뛰기
라이브러리 문서 전체

LLM 암호화폐 트레이딩의 사실 기반·주관적 추론 분리

기사 arXiv papers · 저자: Qian Wang et al.
원문 읽기

요약

이 문서는 더 뛰어난 대규모 언어 모델이 때로는 성능이 낮은 모델보다 암호화폐 트레이딩을 덜 효과적으로 수행하는 이유를 살펴봅니다. 더 뛰어난 모델이 주관적 해석보다 사실 정보를 선호하는 점이 원인의 일부라고 설명합니다. 제안된 FS-ReasoningAgent 프레임워크는 추론을 사실 기반과 주관적 요소로 나누어 트레이딩 의사결정에 두 유형의 입력을 모두 활용할 수 있게 합니다.

보고된 실험에서는 BTC, ETH, SOL의 수익이 각각 7%, 2%, 10%만큼 개선됐습니다. 어블레이션 연구에 따르면 강세장에서는 주관적 뉴스가, 약세장에서는 사실 정보가 더 나은 성과를 보였습니다. 이 결과는 두 가지 추론 방식의 상대적 가치가 시장 상황에 따라 달라질 수 있음을 시사합니다. 문서에는 전체 실험 설정, 평가 기간, 거래 비용, 위험조정 성과가 명시되어 있지 않아 재현성과 실거래 적용 가능성에 관한 결론에는 한계가 있습니다.

핵심 아이디어

  • 연구는 암호화폐 트레이딩에서 더 뛰어난 LLM이 성능이 낮은 모델보다 뒤처질 수 있다고 보고합니다.
  • 이 현상을 더 뛰어난 모델이 주관적 해석보다 사실 정보를 선호하는 경향과 연결합니다.
  • FS-ReasoningAgent는 다중 에이전트 접근에서 사실 기반 추론과 주관적 추론을 분리합니다.
  • 보고된 결과는 BTC, ETH, SOL에서 수익 개선을 보였지만, 여기에는 실험 세부 사항이 제시되지 않았습니다.
  • 강세장에서는 주관적 뉴스가, 약세장에서는 사실 기반 입력이 더 나은 성과를 보였다고 보고합니다.

태그

가상자산머신러닝시장 심리백테스트
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.