본 논문은 포트폴리오 구성을 위한 다중 에이전트 확장 시뮬레이션(MASS)을 제안한다. 기존의 LLM 기반 다중 에이전트 시스템이 순수 시뮬레이션에 국한되거나 사전 정의된 워크플로에 제약을 받는 것과 달리, MASS는 에이전트 수를 점진적으로 늘리는 대규모 시뮬레이션을 통해 시장에 대한 이해도를 높이고, 고정된 워크플로에 의존하지 않고 역 최적화 프로세스를 통해 에이전트 분포를 최적화하여 안정적이고 지속적인 초과 수익을 달성한다. 3개의 어려운 A주식 풀에서 6개의 최첨단 기준 모델과 비교하여 성능 실험, ablation study, 백테스팅 실험, 업데이트된 데이터 및 주식 풀에 대한 실험, 확장성 실험, 매개변수 민감도 실험 및 시각화 실험을 통해 MASS의 우수성을 입증한다. MASS의 구현은 https://github.com/gta0804/MASS 에서 공개되었다.
