본 논문은 거대 언어 모델(LLM) 에이전트를 활용한 새로운 자산 가격 결정 모델을 제시합니다. LLM 에이전트의 정성적 재량 투자 평가와 수동으로 선별된 정량적 금융 경제적 요인을 통합하여 초과 자산 수익률을 설명하고자 합니다. 실험 결과, 제시된 방법론은 포트폴리오 최적화 및 자산 가격 오차 측면에서 기존 머신러닝 기반 기준 모델을 능가하는 것으로 나타났습니다. 특히 포트폴리오 최적화의 샤프 지수와 이상 포트폴리오의 $|\alpha|$ 평균 크기가 각각 10.6%와 10.0% 향상되었습니다. 모델에 대한 포괄적인 ablation study와 방법 분석을 통해 제안된 접근 방식에 대한 추가적인 통찰력을 얻었습니다. 결과적으로, 실증적 자산 가격 결정에 LLM을 적용하는 실행 가능성을 효과적으로 입증했습니다.
