要約
AI エージェントは現実世界の取引環境をシミュレートして、株式取引活動に対する外部要因の影響 (マクロ経済、政策変更、企業のファンダメンタルズ、世界的な出来事など) を調査できますか?
これらの要因は取引行動に影響を与えることが多く、投資家の利益を最大化するためには重要な要素となります。
私たちの研究では、大規模な言語モデルベースのエージェントを通じてこの問題を解決しようとしています。
当社は、実際の株式市場に応じて投資家の取引行動をシミュレートするように設計された、LLM によって駆動される StockAgent と呼ばれるマルチエージェント AI システムを開発しました。
StockAgent を使用すると、ユーザーは投資家の取引に対するさまざまな外部要因の影響を評価し、取引行動と収益性への影響を分析できます。
さらに、StockAgent は、AI エージェントに基づく既存の取引シミュレーション システムに存在するテスト セットの漏洩の問題を回避します。
具体的には、モデルがテスト データに関連して取得した事前知識を活用するのを防ぎます。
私たちは、現実世界の状況によく似た株式取引環境で、StockAgent のフレームワークに基づいてさまざまな LLM を評価します。
実験結果は、取引行動や株価変動ルールなど、株式市場取引に対する主要な外部要因の影響を示しています。
この調査では、市場データに関連する事前知識がない状況で、エージェントの自由取引ギャップの研究を調査しています。
StockAgent のシミュレーションを通じて特定されたパターンは、LLM ベースの投資アドバイスと銘柄推奨のための貴重な洞察を提供します。
コードは https://github.com/MingyuJ666/Stockagent で入手できます。
要約(オリジナル)
Can AI Agents simulate real-world trading environments to investigate the impact of external factors on stock trading activities (e.g., macroeconomics, policy changes, company fundamentals, and global events)? These factors, which frequently influence trading behaviors, are critical elements in the quest for maximizing investors’ profits. Our work attempts to solve this problem through large language model based agents. We have developed a multi-agent AI system called StockAgent, driven by LLMs, designed to simulate investors’ trading behaviors in response to the real stock market. The StockAgent allows users to evaluate the impact of different external factors on investor trading and to analyze trading behavior and profitability effects. Additionally, StockAgent avoids the test set leakage issue present in existing trading simulation systems based on AI Agents. Specifically, it prevents the model from leveraging prior knowledge it may have acquired related to the test data. We evaluate different LLMs under the framework of StockAgent in a stock trading environment that closely resembles real-world conditions. The experimental results demonstrate the impact of key external factors on stock market trading, including trading behavior and stock price fluctuation rules. This research explores the study of agents’ free trading gaps in the context of no prior knowledge related to market data. The patterns identified through StockAgent simulations provide valuable insights for LLM-based investment advice and stock recommendation. The code is available at https://github.com/MingyuJ666/Stockagent.
arxiv情報
| 著者 | Chong Zhang,Xinyi Liu,Mingyu Jin,Zhongmou Zhang,Lingyao Li,Zhenting Wang,Wenyue Hua,Dong Shu,Suiyuan Zhu,Xiaobo Jin,Sujian Li,Mengnan Du,Yongfeng Zhang |
| 発行日 | 2024-07-30 16:01:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google