Рефлексивный LLM-агент для торговли криптовалютой в режиме zero-shot

Сводка

В документе описан CryptoTrade — агент для торговли криптовалютой на основе большой языковой модели. Он объединяет информацию из блокчейна, которую авторы характеризуют как прозрачную и неизменяемую, с внецепочечными сигналами, например новостями, которые могут своевременно давать контекст. Рефлексивный механизм анализирует результаты предыдущих решений, помогая агенту принимать ежедневные торговые решения и учитывать обратную связь от торговли, не полагаясь только на традиционную модель временных рядов.

Авторы сообщают об экспериментах с несколькими криптовалютами и рыночными условиями и утверждают, что CryptoTrade принёс более высокую доходность, чем традиционные стратегии и базовые модели временных рядов. В предоставленном описании не указаны активы, период оценки, метрика доходности, транзакционные издержки, результаты с поправкой на риск или меры защиты от утечки данных. Поэтому заявление о результатах следует воспринимать как изложение итогов указанных экспериментов, а не как свидетельство того, что агент будет работать на реальном счёте или в других рыночных режимах.

Ключевые идеи

• CryptoTrade объединяет данные из блокчейна с внецепочечной информацией, например новостями.
• Рефлексивный механизм использует результаты предыдущих сделок для принятия последующих ежедневных решений.
• Авторы сообщают об экспериментах с несколькими криптовалютами и рыночными условиями.
• Авторы утверждают, что доходность превысила результаты традиционных стратегий и базовых моделей временных рядов.
• В предоставленном описании нет деталей оценки, необходимых для анализа риска и переносимости результатов на реальный рынок.

Теги

# 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/.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.