Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Can LLM-based Financial Investing Strategies Outperform the Market in Long Run?

Created by
  • Haebom

作者

Weixian Waylon Li, Hyeonjun Kim, Mihai Cucuringu, Tiejun Ma

概要

この論文は、大規模言語モデル(LLM)を使用した資産価格設定と株式取引戦略の一般化の可能性と堅牢性を批判的に評価します。既存の研究が狭い期間と限られた株式種目の評価でLLM戦略の効果を過大評価したことを指摘し、FINSABERというバックテストフレームワークを提案し、20年以上の長期間と100以上の種目にわたってLLMベースの市場タイミング戦略を評価します。

Takeaways、Limitations

Takeaways:既存の研究で報告されているLLMの卓越性は、長期および広範なカテゴリーの評価ではかなり低下していることを示しています。 LLM戦略は、強い世帯では保守的であり、弱世場では積極的な傾向を示し、収益率が低下し、損失が大きい可能性があることを示唆しています。したがって、単純なフレームワークの複雑さの拡大よりも、トレンドの検出と市場の状況に応じたリスク管理を優先するLLM戦略の開発の必要性を強調します。
Limitations: FINSABERフレームワークを用いたバックテストの結果は、特定の期間および特定の証券セットに限定される場合があります。様々な市場状況や投資戦略については、追加的な調査が必要です。
👍