Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using LLM Judges with Closed-Loop Reinforcement Learning Feedback

작성자

Haebom

카테고리

Empty

저자

Mohammad Al Ridhawi, Mahtab Haj Ali, Hussein Al Osman

💡 개요

본 연구는 LLM 심판과 순환 강화 학습 피드백을 활용하여 에이전트 기반 주식 예측 시스템의 다차원적 행동 평가를 제안합니다. 기존의 집계 지표로는 파악하기 어려운 시스템의 각 의사결정 지점에서의 행동을 6가지 도메인별 차원으로 평가합니다. 이 프레임워크는 시스템의 성능을 개선하고, 특히 변동성이 높은 시나리오에서의 약점을 보완하는 데 기여합니다.

🔑 시사점 및 한계

•

LLM을 활용한 다차원적 행동 평가가 기존의 집계 지표의 한계를 보완하고 시스템의 실제 성능을 더 잘 반영할 수 있음을 보여줍니다.

•

제안된 프레임워크는 강화 학습 보상에 직접 통합되어 시스템의 성능을 효과적으로 개선할 수 있음을 입증했습니다.

•

본 연구는 오프라인 백테스팅 결과에 기반하며, 실제 라이브 환경에서의 적용 효과는 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage