# ATLAS: Adaptive Trading with LLM AgentS Through Dynamic Prompt Optimization and Multi-Agent Coordination

### 저자

Charidimos Papadakis, Angeliki Dimitriou, Giorgos Filandrianos, Maria Lymperaiou, Konstantinos Thomas, Giorgos Stamou

### 💡 개요

본 논문은 금융 시장에서 대규모 언어 모델(LLM)을 활용한 자율 트레이딩 에이전트의 실질적인 배치 문제를 해결하는 ATLAS라는 통합 다중 에이전트 프레임워크를 제안합니다. ATLAS는 구조화된 시장, 뉴스, 기업 펀더멘털 정보를 통합하고, 실시간 피드백을 통해 프롬프트를 동적으로 최적화하는 Adaptive-OPRO 기법을 사용하여 트레이딩 성능을 지속적으로 개선합니다. 다양한 LLM과 시장 환경에서 ATLAS는 고정된 프롬프트 방식보다 우수하며, 반사 기반 피드백보다 체계적인 성능 향상을 보여줍니다.

### 🔑 시사점 및 한계

- LLM 기반 트레이딩 에이전트가 시장의 복잡성과 비동기적 피드백 속에서도 효과적으로 학습하고 적응할 수 있음을 입증했습니다.

- Adaptive-OPRO는 동적인 시장 상황에 맞춰 프롬프트를 최적화하여 장기적인 트레이딩 성능 향상을 가능하게 하는 새로운 접근 방식을 제시합니다.

- 본 연구는 주로 특정 자산 클래스(주식) 및 제한된 정보 소스에 초점을 맞추었으므로, 다양한 자산 및 보다 포괄적인 정보 소스에 대한 ATLAS 프레임워크의 확장성과 성능 검증이 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2510.15949)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).