본 논문은 대규모 언어 모델(LLM)을 에이전트 프레임워크에 적용하여 금융 시계열에 대한 확률적 미분 방정식을 반복적으로 발견하는 시스템을 개발합니다. 이 시스템은 감정 또는 추세 기반 분석이 아닌, 모델 기반 접근 방식을 통해 위험 지표를 생성하고 일일 거래 결정에 활용합니다. 기존 백테스트와 시장 시뮬레이터를 이용한 평가 결과, 모델 기반 거래 전략이 표준 LLM 기반 에이전트보다 여러 주식에서 샤프 비율을 개선하는 것으로 나타났습니다. 즉, LLM과 에이전트 모델 발견을 결합하면 시장 위험 추정이 향상되고 더 수익성 있는 거래 결정이 가능함을 보여줍니다.
